加速BP网络在单桩沉降预估中的动态适应

提出一种学习率自适应加速算法,即采用动态的网络学习率代替在整个学习过程中根据经验选取的传统的学习率,使BP神经网络的收敛速度得到显著的提高.应用这种神经网络,对单桩沉降预估过程以及根据信息扩散原理所取得的样本-教师模式匹配,可进行动态的学习.数值模拟表明,加速的学习算法使这种神经网络对问题的解具有动态适应性.采用它作单桩沉降预估,能缩短网络的学习时间.同时,在经过相同的学习轮数或学习时间之后,其预估精度要优于标准的BP网络.