优化广义回归神经网络的土体冻胀率预测方法技术

本发明专利技术公开了基于K折交叉验证和粒子群算法优化的广义回归神经网络模型(K‑PSO‑GRNN)的土体冻胀率预测方法，旨在通过改进的GRNN模型解决土体冻胀率预测问题，属于冻土研究领域。所述方法包括如下步骤：步骤1、分析影响冻胀率的主要因素，收集不同土体的冻胀率数据，构建样本集。步骤2、对样本集数据进行最大最小化预处理，将样本集80％的冻胀率数据用于训练阶段，20％的冻胀率数据用于测试阶段。步骤3、使用K折交叉验证进行训练集数据的划分，评估模型在不同数据集下的预测能力，减少模型的过拟合现象。步骤4、利用粒子群算法优化广义回归神经网络，获得广义回归神经网络的最优光滑因子值，确定网络结构。步骤5、将未经过训练阶段的测试集数据作为模型的输入，对土体的冻胀率进行预测。本发明专利技术基于粒子群优化算法和K折交叉验证方法优化广义回归神经网络模型，并对土体的冻胀率进行定量预测，提高预测土体冻胀率的效率和准确度，为冻土区的工程建设和维护提供有效的冻胀率预测方法。

【技术实现步骤摘要】

本专利技术涉及冻土工程，尤其涉及基于粒子群算法和k折交叉验证优化广义回归神经网络的土体冻胀率预测方法。

技术介绍

1、冻土在全球分布广泛，主要分布在俄罗斯、美国、加拿大、中国等48个国家。中国是世界上第三冻土大国，季节冻土区约占陆地面积的53.5％，其主要分布在青藏高原和东北大小安岭等地区；多年冻土区约占陆地面积的21.5％，其主要分布在秦岭—淮河线以北的中低纬度地区。为了满足经济建设和社会发展的需要，以及缓解资源紧缺的现状，基础设施建设项目在冻土区持续开展，主要包括青藏公路、青藏铁路、青康铁路、新藏公路、大兴安岭林区公路、俄-中输油管道等。冻胀通常被视为冻土区的典型冻害，会造成铁路变形、路面翻浆、路基隆起、房屋开裂等一系列工程病害。但为了满足国家发展的需要，在冻土区进行工程建设势不可挡，这意味着土体冻胀问题不可避免。土体的冻胀行为及其冻胀表现通常采用冻胀率指标进行评价，因此冻胀率的测量与计算是冻土领域研究的关键。

2、目前该领域用到的冻土冻胀率获取手段主要有经验模型预测、理论模型预测及试验测量等。以上所述方法的不足之处可主要归纳为模型计算形式本文档来自技高网...

【技术保护点】

1.一种基于粒子群优化算法和K折交叉验证方法优化广义回归神经网络的土体冻胀率预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于K-PSO-GRNN模型的土体冻胀率预测方法，其特征在于步骤2中所述的对输入变量数据进行最大最小归一化处理，具体公式为：

3.根据权利要求1所述的基于K-PSO-GRNN模型的土体冻胀率预测方法，其特征在于步骤3所述的对训练集的数据进行K折交叉验证处理，具体的设计为：

4.根据权利要求1所述的基于K-PSO-GRNN模型的土体冻胀率预测方法，其特征在于：步骤4中所述的广义回归神经网络基础模型由四部分组成：输入层、...

【技术特征摘要】

1.一种基于粒子群优化算法和k折交叉验证方法优化广义回归神经网络的土体冻胀率预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于k-pso-grnn模型的土体冻胀率预测方法，其特征在于步骤2中所述的对输入变量数据进行最大最小归一化处理，具体公式为：

3.根据权利要求1所述的基于k-pso-grnn模型的土体冻胀率预测方法，其特征在于步骤3所述的对训练集的数据进行k折交叉验证处理，具体的设计为：

<...

【专利技术属性】
技术研发人员：王冲，蔡虹红，孟凡硕，谢良，杨智杰，李双洋，
申请(专利权)人：兰州大学，
类型：发明
国别省市：