点击下载——概率神经网络在隧道变形位移预测中的应用.doc 摘要:将概率神经网络(PNN)引入到隧道变形位移预测中，建立了非线性智能预测模型，并采用递推预报误差(RPE)算法对PNN进行训练。以铜黄高速大田连拱隧道施工实地监测数据为样本对网络进行训练与预测分析，仿真结果表明本方法训练速度快且预测值与实测值吻合度较高。 关键词:概率神经网络;递推预报误差算法;非线性系统;隧道变形位移;智能预测模型 0引言 为保障铁路列车安全运行及保护人民生命和财产安全，隧道变形预测至关重要。以往通过观测资料建立隧道变形数学模型并对隧道实际工作状态进行分析的方法，不能充分反映隧道变形的非线性特征且预测精度不高［1］。 人工神经网络(ANN)的结构具有并行分布的特点，其信息存贮是通过大量神经细胞单元的分布来实现的，具有较高的容错能力、快速的推理能力和强大的联想能力，另外ANN具有自组织、自学习能力，能够映射高度非线性的输入输出关系，可以用于复杂系统的辨识，因此利用神经网络技术实现隧道变形预测具有较大的现实意义。而概率神经网络(PNN)是一种适用于模式分类的径向基神经网络，由于结构简单、训练简捷因而被广泛应用于模式识别与故障诊..