论文部分内容阅读
采用了输入层节点数为4、隐含层节点数为29、输出层节点数为1的RBF神经网络结构;RBF神经网络学习时,设置中心化方法为K-means聚类法,训练速率取0.15,加权种子数取2,Sigma参数取0.1,权重为0.2,最大迭代次数为16 000,误差均值控制为0.01.研究发现,训练RBF神经网络时,30组数据的土压缩系数的拟合值与实测值的相对误差为-2.540 0%～2.600 0%,有25组数据的相对误差为0,相对误差绝对值的平均值为0.185 14%;验证RBF神经网络时,土压缩系数的预测值与实