메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Ting Jiang (Hohai University) Zhenzhong Shen (Hohai University) Meng Yang (Hohai University) Liqun Xu (Hohai University) Lei Gan (Hohai University) Xinbo Cui (Information Center of land and resources)
저널정보
국제구조공학회 Structural Engineering and Mechanics, An Int'l Journal Structural Engineering and Mechanics, An Int'l Journal Vol.67 No.2
발행연도
2018.1
수록면
105 - 113 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
To improve the prediction accuracy of the strong-unloading rock slope performance and obtain the range of variation in the slope displacement, a new displacement time-series prediction model is proposed, called the fuzzy information granulation (FIG)-genetic algorithm (GA)-back propagation neural network (BPNN) model. Initially, a displacement time series is selected as the training samples of the prediction model on the basis of an analysis of the causes of the change in the slope behavior. Then, FIG is executed to partition the series and obtain the characteristic parameters of every partition. Furthermore, the later characteristic parameters are predicted by inputting the earlier characteristic parameters into the GA-BPNN model, where a GA is used to optimize the initial weights and thresholds of the BPNN; in the process, the numbers of input layer nodes, hidden layer nodes, and output layer nodes are determined by a trial method. Finally, the prediction model is evaluated by comparing the measured and predicted values. The model is applied to predict the displacement time series of a strong-unloading rock slope in a hydropower station. The engineering case shows that the FIG-GA-BPNN model can obtain more accurate predicted results and has high engineering application value.

목차

등록된 정보가 없습니다.

참고문헌 (30)

참고문헌 신청
Cao, J. / 2002 / Neural network modeling and analytical modeling of slope stability google schola Chen, S.S. / 2016 / Seismic responses of high concrete face rockfill dams: A case study / Water Sci. Eng. 9(3):195~204 Crossref Chok, Y.H. / 2016 / Neural network prediction of the reliability of heterogeneous cohesive slopes / Int. J. Numer. Anal. Met. 40(11):1556~1569 Crossref Choobbasti, A.J. / 2009 / Prediction of slope stability using artificial neural network (case study: Noabad, Mazandaran, Iran) / Arab. J. Geosci. 2(4):311~319 Crossref Hu, W. / 2015 / Slope stability evaluation based on hybrid algorithm of particle swarm optimization and BP neural network / J. Rail Way Sci. Eng. 12(1):66~71 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0