Un estudio comparativo de los modelos SSA-BPNN, SSA-ENN y SSA-SVR para predecir el espesor de una zona dañada por excavación alrededor de la carretera en roca
Autores: Zhao, Guoyan; Wang, Meng; Liang, Weizhang
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un estudio comparativo de los modelos SSA-BPNN, SSA-ENN y SSA-SVR para predecir el espesor de una zona dañada por excavación alrededor de la carretera en roca
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Zona dañada por excavación
Modelos de predicción
Algoritmo de búsqueda de gorrión
Red neuronal de retropropagación
Red neuronal Elman
Regresión de vector de soporte.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Debido al efecto perturbador de la excavación, el estrés original se redistribuye, lo que resulta en una zona dañada por la excavación alrededor de la carretera. Es significativo predecir el grosor de una zona dañada por la excavación porque afecta directamente la estabilidad de las carreteras. Este estudio utilizó un algoritmo de búsqueda de gorriones para mejorar una red neuronal de retropropagación, y una red neuronal Elman y modelos de regresión de vectores de soporte para predecir el grosor de una zona dañada por la excavación.
Descripción
Debido al efecto perturbador de la excavación, el estrés original se redistribuye, lo que resulta en una zona dañada por la excavación alrededor de la carretera. Es significativo predecir el grosor de una zona dañada por la excavación porque afecta directamente la estabilidad de las carreteras. Este estudio utilizó un algoritmo de búsqueda de gorriones para mejorar una red neuronal de retropropagación, y una red neuronal Elman y modelos de regresión de vectores de soporte para predecir el grosor de una zona dañada por la excavación.