潘明明
- 作品数：3 被引量：15H指数：3
- 供职机构：西南交通大学更多>>
- 发文基金：铁道部科技研究开发计划教育部留学回国人员科研启动基金更多>>
- 相关领域：交通运输工程建筑科学天文地球更多>>
- 遗传—神经网络算法在水下隧道涌水量预测中的应用被引量：4
- 2011年
- 水下隧道涌水问题受到多种因素的综合影响,具有非线性和高度复杂性。本文应用遗传算法和BP神经网络,结合工程实例,选用隧道围岩裂隙发育情况、上覆含水体富水性、上覆水压、隧道埋深、隧道围岩上覆相对隔水层强度和上覆基岩破碎带与隧道顶板的距离作为影响水下隧道涌水的主要因素,以调查的数据作为训练样本,使用遗传算法优化BP神经网络的初始权值和阈值,建立了水下隧道涌水量的遗传-神经网络预测模型,并进行了计算分析。结果表明:该模型收敛性能好,预测精度高,简单可行。该方法为水下隧道涌水量的预测提供了一条新思路。
- 肖智兴黄涛李政潘明明
- 关键词：神经网络遗传算法涌水量水下隧道
- 长大隧道涌水量影响因素评价分析的模糊层析分析法被引量：7
- 2010年
- 采用模糊层析分析法(FAHP),建立长大隧道涌水量影响因素层析分析模型,并进行分析计算。依据模糊层析分析法,确定各因素的权重系数,并对其进行分析、排序。结果表明:地层岩性、断层破碎带长度是影响长大隧道涌水量的主要因素。该FAHP的应用为涌水量预测和相应防治措施的制定,提供了科学的理论依据。
- 潘明明黄涛肖智兴
- 关键词：长大隧道涌水量影响因素
- 地下径流模数法参数优化研究
- 针对长大隧道涌水量预测准确度一直难以提高这一难题，本论文总结了长大隧道涌水量预测传统方法的适用条件、优缺点，并对比分析了6座长大隧道的涌水量预测结果与实测结果。结果表明，地下径流模数法较其他传统方法具有准确性较高、简单易...
- 潘明明
- 关键词：涌水量预测参数优化层次分析BP神经网络
