基于PSO算法优化BP神经网络的打入桩承载力预测模型研究  

Research on prediction model of bearing capacity of driven piles based on PSO algorithm and BP neural network optimization

作　　者：张鹏远 吴宝峰 ZHANG Pengyuan;WU Baofeng

机构地区：[1]黑龙江省水利综合事业中心,黑龙江哈尔滨150001

出　　处：《水利科学与寒区工程》2024年第11期62-65,共4页Hydro Science And Cold Zone Engineering

摘　　要：软土地基中的打入桩,经常出现承载力异常问题,严重影响工程安全,而打入桩承载力受到多种因素影响,往往复杂和难以预测。因此,准确估计桩摩阻力对于工程实际有重大意义。鉴于当前模型的局限性,本文提出了一种创新性的解决方案——PSO-BP模型,该模型深度融合了粒子群优化算法(PSO)与BP神经网络的优势。通过PSO算法自动优化BP神经网络的超参数,PSO-BP模型旨在突破现有预测技术的瓶颈,实现预测精度的显著提升。这一综合评估证实了PSO-BP混合方法能够对打入桩的承载力进行精确建模。

关 键 词：打入桩 承载力预测 机器学习 粒子群优化算法 BP神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]