买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江省工程勘察设计院集团有限公司

摘要：本发明公开了一种基于神经网络模型的边坡检评分类预测模型，该模型的构建方法如下：步骤1构建数据库得到单个向量大小为1×n的特征向量；2利用遗传算法对神经网络的权值和偏置展开初步寻优；3将特征向量转置后输入到BP神经网络算法中，在隐含层中经步骤2中优化的权值和偏置加权总和和偏置后，通过激活函数输出的值即为下一隐含层对应输入节点的值，经若干层隐含层加权求和和偏置后得预测值，输出层计算预测值与实际值的误差，反传误差及更新模型，在训练模型未到设定次数时则继续训练和更新模型，若达到设定训练次数后，输出层计算预测值与实际值的误差，若误差达到指定标准则结束；若误差标准在设定训练次数之前收敛，后续loss趋于稳定，以误差标准收敛的模型作为最终模型；若误差未达到指定标准则继续训练更新模型，直至误差达到指定标准结束，在结束训练后BP神经网络便可根据输入的特征值输出对应边坡分类等级，完成边坡分类。从而避免过拟合现象和提高预测模型的准确率。

主权项：1.一种基于神经网络模型的边坡检评分类预测模型，其特征在于：该模型的构建方法如下：步骤1构建数据库：根据现场调查的基础数据，基础数据包括几何特征数据、病害影响系数特征数据和防护病害系数特征数据，并依据高速公路边坡养护技术规范，基于实地调研与定性定量相结合的分析方法实现边坡分类为四级，所得基础数据与对应边坡分类组合后可得出特征数据库，得到单个向量大小为1×n的特征向量；2利用遗传算法对神经网络的初始权值和偏置展开初步寻优：遗传算法对来自于神经网络算法中的初始权值和偏置编码；输入单个向量大小为1×n的特征向量；遗传算法中的适应度值相应的取自适应度函数，BPNN中的算法目标函数被作为适应度函数；进行选择、交叉、变异和计算适应度值的操作，获取最优权值和偏置；3将特征向量转置后输入到BP神经网络算法中，在隐含层中经步骤2中优化的权值和偏置加权总和和偏置后，通过激活函数输出的值即为下一隐含层对应输入节点的值，经若干层隐含层加权求和和偏置后得预测值，输出层计算预测值与实际值的误差，反传误差及更新模型，在训练模型未到设定次数时则继续训练和更新模型，若达到设定训练次数后，输出层计算预测值与实际值的误差，若误差达到指定标准则结束；若误差标准在设定训练次数之前收敛，后续loss趋于稳定，以误差标准收敛的模型作为最终模型；若误差未达到指定标准则继续训练更新模型，直至误差达到指定标准结束，在结束训练后BP神经网络便可根据输入的特征值输出对应边坡分类等级，完成边坡分类。

全文数据：

权利要求：

百度查询： 浙江省工程勘察设计院集团有限公司 一种基于神经网络模型的边坡检评分类预测模型