渗透系数反演的CHNN模型
【摘要】:本文利用连续型Hopfield神经网络(Continuous Hopfield Neural Network,简称CHNN)的反馈特性。结合实测资料和数值计算,构建了岩土体渗透系数的人工神经网络反演模型,通过网络神经元状态的变迁而最终稳定于平衡状态,从而得到渗透系数反演优化计算的结果。经实例验证,效果较好。
|
|
|
|
1 |
刘先珊,佘成学,张立君;RBFNN模型在渗透系数反演中的应用[J];岩土力学;2003年06期 |
2 |
仵彦卿;岩体水力学基础(七)——岩体水力学参数的确定方法[J];水文地质工程地质;1998年02期 |
3 |
王媛,刘杰;重力坝坝基渗透参数进化反演分析[J];岩土工程学报;2003年05期 |
4 |
赵斌,吴中如,沈振中,苏怀智;应用Hopfield网络反演分层分区变形模量[J];水电能源科学;2000年03期 |
5 |
王锦国,李伟,周志芳,黄勇;裂隙岩体渗透性参数的进化反演方法及其应用[J];水电能源科学;2002年02期 |
6 |
郭海庆,吴中如,张乾飞;渗透系数反演的CHNN模型方法[J];长江科学院院报;2001年03期 |
7 |
陈环;;龙门口水库付坝砂砾石坝基渗漏问题分析[J];海河水利;1984年01期 |
8 |
王韦;;土坝渗流观测资料的分析及应用[J];水利水运工程学报;1980年02期 |
9 |
张树泉;日本大门坝采用沥青混凝土面层防止大坝右岸渗漏[J];水利水电技术;1984年11期 |
10 |
杨亚川;马光春;连琏;;浅论土工织物在水井工程上的应用[J];海河水利;1990年05期 |
|