亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于小波去噪及優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的滑坡變形預(yù)測(cè)研究

        2019-11-28 05:16:14張海發(fā)盧治文
        人民珠江 2019年11期
        關(guān)鍵詞:隱層層數(shù)滑坡

        張海發(fā),盧治文,王 康

        (1.水利部珠江水利委員會(huì)珠江水利綜合技術(shù)中心,廣東 廣州 510611;2. 中水珠江規(guī)劃勘測(cè)設(shè)計(jì)有限公司,廣東 廣州 510610)

        近年,隨著中國(guó)工程建設(shè)的快速發(fā)展,受地形條件限制,高路塹邊坡的數(shù)量日益增加,常形成滑坡災(zāi)害,嚴(yán)重影響后期運(yùn)營(yíng)安全,進(jìn)而開(kāi)展滑坡防治研究具有重要意義[1-2]。同時(shí),鑒于滑坡變形是其危險(xiǎn)性的直觀(guān)體現(xiàn),使得滑坡變形預(yù)測(cè)研究已成為一個(gè)熱點(diǎn)課題,對(duì)其拓展研究具有重要意義。目前,已有許多學(xué)者開(kāi)展了滑坡變形預(yù)測(cè)研究,如郭子正等[3]利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模型參數(shù),構(gòu)建了GA-BP神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)了滑坡變形的高精度預(yù)測(cè);馮非凡等[4]利用粒子群算法和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了PSO-BP神經(jīng)網(wǎng)絡(luò)模型,合理評(píng)價(jià)了滑坡變形的敏感性因素;向玲等[5]基于滑坡變形影響因素的關(guān)聯(lián)性分析,利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了滑坡變形預(yù)測(cè)模型,通過(guò)實(shí)例驗(yàn)證,得到預(yù)測(cè)值與實(shí)測(cè)值較為接近,預(yù)測(cè)效果較高。上述研究證明了BP神經(jīng)網(wǎng)絡(luò)在滑坡變形預(yù)測(cè)中的適用性,但也說(shuō)明BP神經(jīng)網(wǎng)絡(luò)應(yīng)用過(guò)程中的模型參數(shù)需進(jìn)行優(yōu)化處理才能保證其預(yù)測(cè)效果;同時(shí),根據(jù)夏巍巍等[6]和栗焱等[7]的研究成果,滑坡變形數(shù)據(jù)往往含有誤差信息,進(jìn)而有必要對(duì)其進(jìn)行去噪處理,且小波去噪可有效去除滑坡變形序列的誤差信息。因此,該文先利用小波去噪剔除滑坡變形數(shù)據(jù)的誤差信息,再利用BP神經(jīng)構(gòu)建滑坡變形預(yù)測(cè)模型,且在預(yù)測(cè)過(guò)程中,為提高預(yù)測(cè)精度,利用試算法和混沌理論優(yōu)化模型參數(shù),實(shí)現(xiàn)了滑坡變形的優(yōu)化預(yù)測(cè),以期為滑坡變形預(yù)測(cè)研究提供一種新的思路。

        1 基本原理

        該文研究過(guò)程包含兩部分:其一,是利用小波去噪剔除滑坡變形序列中的誤差信息,且為保證去噪效果,對(duì)去噪過(guò)程中的相關(guān)參數(shù)進(jìn)行優(yōu)化篩選處理;其二,在前者數(shù)據(jù)優(yōu)化的基礎(chǔ)上,利用試算法和混沌理論優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模型參數(shù),構(gòu)建出適用于滑坡變形預(yù)測(cè)的優(yōu)化BP神經(jīng)網(wǎng)絡(luò),以實(shí)現(xiàn)滑坡變形的高精度預(yù)測(cè)。

        1.1 小波去噪

        小波去噪的本質(zhì)是對(duì)去噪對(duì)象進(jìn)行函數(shù)逼近,即利用小波函數(shù)對(duì)去噪對(duì)象進(jìn)行函數(shù)空間映射,并通過(guò)相關(guān)準(zhǔn)則評(píng)價(jià)得出最佳逼近,進(jìn)而實(shí)現(xiàn)誤差信息的剔除。相關(guān)文獻(xiàn)[8-10]已證明該方法可有效剔除巖土變形數(shù)據(jù)中的誤差信息,進(jìn)而適用于滑坡變形數(shù)據(jù)的去噪處理,且其去噪過(guò)程中的定義可表示為:

        (1)

        式中f(a,b)——小波系數(shù);Ψ(t)——基本小波函數(shù);b——平移因子;a——伸縮因子。

        在去噪過(guò)程中,由于相關(guān)參數(shù)的選取對(duì)去噪效果具有較大影響,進(jìn)而有必要對(duì)去噪?yún)?shù)進(jìn)行優(yōu)化篩選;同時(shí),根據(jù)小波變換的基本原理,將不同參數(shù)對(duì)去噪效果的影響方式分析如下。

        a) 小波函數(shù)。小波去噪過(guò)程中的小波函數(shù)具有較多類(lèi)型,其中,sym小波系和db小波系的應(yīng)用較廣,且各小波函數(shù)隨階數(shù)n的變化,也存在較大影響,如小波階數(shù)主要影響頻帶的劃分效果和時(shí)域的支撐性,且隨階數(shù)n的增加,頻帶劃分效果相對(duì)越好,但會(huì)降低時(shí)域的支撐性,因此,有必要對(duì)小波函數(shù)進(jìn)行優(yōu)化篩選。

        b) 閾值選取方法。小波去噪的閾值選取過(guò)程包含硬閾值和軟閾值2種方法,前者是對(duì)閾值標(biāo)準(zhǔn)以下的信號(hào)進(jìn)行全面剔除,而后者則是在前者基礎(chǔ)上,將邊界上的不連續(xù)信息進(jìn)行收縮,所以?xún)烧叩娜ピ敕绞酱嬖谝欢ú町?,有必要探討兩者適用性。

        c) 小波分解層數(shù)。當(dāng)小波分解層數(shù)太少時(shí),難以保證誤差信息被有效剔除;反之,分解層數(shù)過(guò)多又可能將誤差信息誤認(rèn)為有用信息,造成誤差的篩選失敗或效果不佳。

        因此,根據(jù)上述分析,得出小波函數(shù)、閾值選取方法和小波分解層數(shù)對(duì)小波去噪過(guò)程具有較大影響,有必要對(duì)其進(jìn)行篩選優(yōu)化。同時(shí),均方根誤差(RMSE) 、平滑度指標(biāo)(r)、信噪比(SNR)3個(gè)參數(shù)可有效評(píng)價(jià)去噪效果,但三者的求解方法存在一定的差異,為綜合評(píng)價(jià)去噪效果,該文提出以3個(gè)評(píng)價(jià)指標(biāo)為基礎(chǔ),對(duì)其進(jìn)行歸一化處理,再將三者的歸一化值相加,得到的累加值即為小波去噪效果的綜合評(píng)價(jià)指標(biāo)P,其表達(dá)形式為:

        P=PRMSE+Pr+PSNR

        (2)

        式中PRMSE——均方根誤差的歸一化值;Pr——平滑度指標(biāo)的歸一化值;PSNR——信噪比的歸一化值

        根據(jù)式(2)計(jì)算,得到綜合評(píng)價(jià)指標(biāo)P值越大,則說(shuō)明去噪效果相對(duì)越優(yōu);反之,說(shuō)明去噪效果相對(duì)越差。

        1.2 BP神經(jīng)網(wǎng)絡(luò)

        BP神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò),可利用輸入層與輸出層間的映射關(guān)系來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)學(xué)習(xí),且通過(guò)正、反向循環(huán)傳播,不斷調(diào)整權(quán)值、閾值來(lái)提高預(yù)測(cè)精度[11-14]。在BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)過(guò)程中,若輸入層為{xi,i=1,2,…,n},則可將預(yù)測(cè)值yj表示為:

        (3)

        式中f(x)——訓(xùn)練函數(shù);wjk——連接權(quán)值;N——隱層節(jié)點(diǎn)數(shù);qk——閾值;k——隱層節(jié)點(diǎn)序號(hào)。

        式(3)雖能實(shí)現(xiàn)滑坡變形預(yù)測(cè),但預(yù)測(cè)值與期望值間會(huì)存在一定差異,即存在預(yù)測(cè)誤差E:

        (4)

        式中dk——期望值。

        若上述誤差不滿(mǎn)足期望誤差,則需要利用反向傳播來(lái)調(diào)整預(yù)測(cè)結(jié)果,以達(dá)到提高預(yù)測(cè)精度的目的;在反向誤差調(diào)整過(guò)程中,可利用Newton法實(shí)現(xiàn)誤差修正,直至達(dá)到期望誤差,且修正過(guò)程中的權(quán)值變化可表示為:

        ΔW=(JTJ+uI)-1JTE

        (5)

        式中J——雅可比矩陣;I——初始迭代矩陣;E——誤差向量;u——調(diào)整矩陣。

        通過(guò)上述誤差修正,可實(shí)現(xiàn)權(quán)值尋優(yōu),進(jìn)而達(dá)到預(yù)測(cè)期望。據(jù)BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用經(jīng)驗(yàn),隱層節(jié)點(diǎn)數(shù)及節(jié)點(diǎn)閾值對(duì)預(yù)測(cè)效果具有較大影響,進(jìn)而有必要對(duì)其進(jìn)行優(yōu)化篩選,將兩者的優(yōu)化過(guò)程分述如下。

        a) 隱層節(jié)點(diǎn)數(shù)優(yōu)化。隱層節(jié)點(diǎn)數(shù)過(guò)多雖會(huì)一定程度上提高預(yù)測(cè)精度,但會(huì)增加訓(xùn)練時(shí)間,且其值過(guò)大也會(huì)出現(xiàn)過(guò)擬合現(xiàn)象,進(jìn)而降低預(yù)測(cè)精度;反之,則難以保證預(yù)測(cè)精度。同時(shí),BP神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)公式為:

        (6)

        式中m、n——輸入層、輸出層的節(jié)點(diǎn)數(shù);a——調(diào)整常數(shù)(值區(qū)間0~10,值越大,能一定程度上提高預(yù)測(cè)精度,但會(huì)增加訓(xùn)練時(shí)間,為保證預(yù)測(cè)精度,取值為10)。

        另外,該文BP神經(jīng)網(wǎng)絡(luò)模型的輸入層節(jié)點(diǎn)數(shù)為8,輸出層設(shè)置為1,進(jìn)而得出初步隱層節(jié)點(diǎn)數(shù)為13。以13為中心,向兩側(cè)進(jìn)行一定擴(kuò)展,且鑒于前述隱層節(jié)點(diǎn)數(shù)多會(huì)一定程度上提高預(yù)測(cè)精度,進(jìn)而適當(dāng)往節(jié)點(diǎn)數(shù)多的一側(cè)進(jìn)行偏移。因此,該文利用試算法確定最優(yōu)隱層節(jié)點(diǎn)數(shù),且將試算區(qū)間設(shè)置為8~22的偶數(shù)。

        b) 節(jié)點(diǎn)閾值優(yōu)化。若節(jié)點(diǎn)閾值不佳,可降低預(yù)測(cè)過(guò)程的訓(xùn)練速度,并易陷入局部最優(yōu)解。因此,該文采用混沌理論對(duì)BP神經(jīng)網(wǎng)絡(luò)的閾值進(jìn)行優(yōu)化,其優(yōu)化過(guò)程主要如下:①利用混沌理論將閾值區(qū)間進(jìn)行映射處理,并將其結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的閾值初始值;②對(duì)閾值的取值范圍進(jìn)行全局迭代搜索,直至搜索到全局最優(yōu)值,并將該值帶入BP神經(jīng)網(wǎng)絡(luò)中,即實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)閾值優(yōu)化。為區(qū)別兩次優(yōu)化過(guò)程,該文將隱層節(jié)點(diǎn)數(shù)的優(yōu)化命名為初步優(yōu)化BP神經(jīng)網(wǎng)絡(luò),再將節(jié)點(diǎn)閾值的優(yōu)化命名為混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)。

        2 實(shí)例分析

        2.1 工程概況

        某工程在線(xiàn)路里程K1503+480~560 m地段,第四系地層以人工填土、殘坡積層、沖洪積層為主,下部基巖則以礫巖、泥質(zhì)粉砂巖為主,加之工作區(qū)具亞熱帶季風(fēng)氣候,雨量充沛,使得該區(qū)具有發(fā)生滑坡災(zāi)害的條件。據(jù)現(xiàn)場(chǎng)調(diào)查結(jié)果,K1503+495~535 m地段出現(xiàn)明顯拉裂縫及坍塌現(xiàn)象,為掌握其變形特征,在現(xiàn)場(chǎng)布設(shè)了變形監(jiān)測(cè)點(diǎn),其中,SHZ1—3監(jiān)測(cè)點(diǎn)的數(shù)據(jù)較為完整,將其作為該文預(yù)測(cè)模型驗(yàn)證的數(shù)據(jù)來(lái)源,三監(jiān)測(cè)點(diǎn)位于滑坡中部,從滑坡右側(cè)向左側(cè)依次排列,且監(jiān)測(cè)周期為1次/15d,位移方向?yàn)榛伦冃蔚目v向位移和豎向位移的疊加方向,即變形量為滑坡的累計(jì)變形,具體變形值見(jiàn)表1[15]。

        2.2 去噪分析

        據(jù)論文思路,先利用小波去噪剔除滑坡變形序列中的誤差信息,且限于篇幅,該文先以SHZ1號(hào)監(jiān)測(cè)點(diǎn)為例,詳述其去噪過(guò)程。如前所述,小波函數(shù)、閾值選取方法和小波分解層數(shù)對(duì)去噪效果具有較大影響,該文對(duì)3個(gè)參數(shù)進(jìn)行逐步優(yōu)化。先將小波分解層數(shù)設(shè)置為10層,利用sym小波系和db小波系為小波函數(shù),采用硬閾值和軟閾值進(jìn)行閾值選擇,得到SHZ1號(hào)監(jiān)測(cè)點(diǎn)的閾值選擇方法篩選結(jié)果見(jiàn)表2。在相應(yīng)小波函數(shù)條件下,不同閾值選取方法的去噪效果存在一定差異,說(shuō)明對(duì)閾值選取方法的篩選是有必要的,且在相應(yīng)閾值選取方法條件下,各小波函數(shù)的去噪效果也存在不同,進(jìn)而說(shuō)明小波函數(shù)也是影響去噪效果的重要影響因素之一。

        表1 滑坡變形監(jiān)測(cè)數(shù)據(jù)統(tǒng)計(jì) 單位:mm

        表2 閾值選擇方法的篩選結(jié)果

        為進(jìn)一步篩選小波函數(shù)及閾值選取方法,再以評(píng)價(jià)指標(biāo)P值的平均值和方差為指標(biāo),分析兩者的去噪效果,結(jié)果見(jiàn)表3。由表3可知,兩小波系條件下,軟閾值的平均值相對(duì)更大,且軟閾值的方差值也相對(duì)略低,說(shuō)明軟閾值不僅具有相對(duì)更優(yōu)的去噪效果,還具有更好的穩(wěn)定性;同時(shí),在相應(yīng)閾值選取方法條件下,sym小波系的平均值相對(duì)更大,方差值也相對(duì)略小,進(jìn)而說(shuō)明sym小波系較db小波系具有相對(duì)更優(yōu)的去噪效果。

        表3 不同閾值選取方法的效果對(duì)比

        根據(jù)上述篩選結(jié)果,確定閾值選取方法為軟閾值,且鑒于不同小波函數(shù)的去噪效果差異,該文以sym小波系為基礎(chǔ),進(jìn)一步探討不同分解層數(shù)的去噪效果。該文對(duì)6~14層間的偶數(shù)分解層數(shù)進(jìn)行去噪效果分析,結(jié)果見(jiàn)表4。由表4可知,不同分解層數(shù)的去噪效果也存在明顯差異,也驗(yàn)證了小波分解層數(shù)篩選的必要性。

        表4 不同分解層數(shù)的篩選結(jié)果

        類(lèi)比前述,也利用綜合評(píng)價(jià)指標(biāo)P值的平均值和方差值來(lái)進(jìn)一步篩選分解層數(shù)的去噪效果,結(jié)果見(jiàn)表5。對(duì)比不同分解層數(shù)的平均值和方差值可知,當(dāng)分解層數(shù)為12層時(shí),具有相對(duì)更大的平均值和相對(duì)更小的方差值,進(jìn)而說(shuō)明該分解層數(shù)條件下的去噪效果相對(duì)更優(yōu)。

        表5 不同分解層數(shù)的效果對(duì)比

        根據(jù)前述小波函數(shù)、閾值選取方法及分解層數(shù)的篩選,得出當(dāng)sym8小波函數(shù)、軟閾值及12層分解層數(shù)條件下的綜合評(píng)價(jià)指標(biāo)P值相對(duì)最大,得出其去噪效果相對(duì)最優(yōu),進(jìn)而確定該文實(shí)例的去噪?yún)?shù)為sym8小波函數(shù)、軟閾值及12層分解層數(shù)。

        2.3 變形預(yù)測(cè)分析

        基于前述去噪分析,該文再利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建滑坡變形預(yù)測(cè)模型,且限于篇幅,僅對(duì)SHZ1號(hào)監(jiān)測(cè)點(diǎn)的預(yù)測(cè)過(guò)程進(jìn)行詳述;同時(shí),將1~19周期樣本作為訓(xùn)練樣本,20~24周期樣本作為驗(yàn)證樣本,并外推預(yù)測(cè)3個(gè)周期,以評(píng)價(jià)滑坡變形的發(fā)展趨勢(shì)。

        a) 隱層節(jié)點(diǎn)數(shù)優(yōu)化。如前所述,隱層節(jié)點(diǎn)數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果具有較大影響,進(jìn)而對(duì)8~22的偶數(shù)個(gè)隱層節(jié)點(diǎn)數(shù)進(jìn)行預(yù)測(cè)效果篩選,結(jié)果見(jiàn)表6。由表6可知,不同隱層節(jié)點(diǎn)數(shù)的去噪效果存在明顯差異,驗(yàn)證了隱層節(jié)點(diǎn)數(shù)篩選的必要性,且當(dāng)隱層節(jié)點(diǎn)數(shù)為18時(shí),平均相對(duì)誤差值相對(duì)最小,具有相對(duì)更優(yōu)的預(yù)測(cè)效果,進(jìn)而確定該文BP神經(jīng)網(wǎng)絡(luò)模型的隱層節(jié)點(diǎn)數(shù)為18。

        表6 隱層節(jié)點(diǎn)數(shù)的篩選結(jié)果

        b) 節(jié)點(diǎn)閾值優(yōu)化。為進(jìn)一步提高預(yù)測(cè)精度,該文再利用混沌理論進(jìn)一步優(yōu)化節(jié)點(diǎn)閾值,且為對(duì)比不同優(yōu)化階段的預(yù)測(cè)效果,該文對(duì)初步優(yōu)化BP神經(jīng)網(wǎng)絡(luò)和混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果均進(jìn)行統(tǒng)計(jì),結(jié)果見(jiàn)表7。在相應(yīng)驗(yàn)證樣本處,對(duì)比兩預(yù)測(cè)模型的預(yù)測(cè)結(jié)果可知,經(jīng)混沌理論優(yōu)化,各驗(yàn)證樣本預(yù)測(cè)結(jié)果的相對(duì)誤差值均不同程度的減小,說(shuō)明混沌理論能很好地提高預(yù)測(cè)精度,驗(yàn)證了該理論的有效性;同時(shí),混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的相對(duì)誤差均小于2%,平均相對(duì)誤差僅為1.65%,說(shuō)明該文預(yù)測(cè)模型的預(yù)測(cè)精度較高,適用于滑坡變形預(yù)測(cè)。另外,在外推預(yù)測(cè)結(jié)果中,SHZ1號(hào)監(jiān)測(cè)點(diǎn)的變形值雖在增大,但增加幅度較小,趨于穩(wěn)定。

        表7 SHZ1號(hào)監(jiān)測(cè)點(diǎn)的預(yù)測(cè)結(jié)果

        2.4 可靠性驗(yàn)證

        為進(jìn)一步驗(yàn)證該文預(yù)測(cè)模型的有效性,該文再以SHZ2、SHZ3號(hào)監(jiān)測(cè)點(diǎn)為驗(yàn)證數(shù)據(jù),對(duì)混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的可靠性進(jìn)行驗(yàn)證,結(jié)果見(jiàn)表8。

        表8 SHZ2、SHZ3號(hào)監(jiān)測(cè)點(diǎn)的預(yù)測(cè)結(jié)果

        由表8可知,SHZ2、SHZ3號(hào)監(jiān)測(cè)點(diǎn)的相對(duì)誤差也均小于2%,前者的平均相對(duì)誤差為1.54%,而后者的平均相對(duì)誤差為1.51%,也具有較高的預(yù)測(cè)精度,驗(yàn)證了混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在滑坡變形預(yù)測(cè)中的可靠性。在SHZ2、SHZ3號(hào)監(jiān)測(cè)點(diǎn)的外推預(yù)測(cè)結(jié)果中,發(fā)展趨勢(shì)與SHZ1號(hào)監(jiān)測(cè)點(diǎn)的發(fā)展趨勢(shì)相同,均呈小幅度增加,趨于穩(wěn)定方向發(fā)展。

        3 結(jié)論

        通過(guò)小波去噪和混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在滑坡變形預(yù)測(cè)中的應(yīng)用,主要得出如下結(jié)論。

        a) 小波去噪可有效剔除滑坡變形序列中的誤差信息,但其去噪?yún)?shù)對(duì)去噪效果具有較大影響,有必要對(duì)其進(jìn)行篩選優(yōu)化,以保證去噪效果。

        b) 試算法及混沌理論能有效提高預(yù)測(cè)精度,所得混沌優(yōu)化BP神經(jīng)網(wǎng)絡(luò)具有較高的預(yù)測(cè)精度,進(jìn)而驗(yàn)證了該模型在滑坡變形預(yù)測(cè)中的適用性。

        c) 由于不同滑坡所處地質(zhì)條件的差異性,使得其變形數(shù)據(jù)也含有不同的誤差信息和非線(xiàn)性變形特征,進(jìn)而建議在該文模型的推廣應(yīng)用過(guò)程中,有必要對(duì)相關(guān)參數(shù)進(jìn)行重新優(yōu)化,以保證相關(guān)模型參數(shù)的合理性。

        猜你喜歡
        隱層層數(shù)滑坡
        填筑層數(shù)對(duì)土石壩應(yīng)力變形的影響研究
        上海發(fā)布藥品包裝物減量指南
        康復(fù)(2022年31期)2022-03-23 20:39:56
        滑坡推力隱式解與顯式解對(duì)比分析——以河北某膨脹土滑坡為例
        MoS2薄膜電子性質(zhì)隨層數(shù)變化的理論研究
        電子制作(2019年11期)2019-07-04 00:34:50
        基于RDPSO結(jié)構(gòu)優(yōu)化的三隱層BP神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型及應(yīng)用
        人民珠江(2019年4期)2019-04-20 02:32:00
        淺談公路滑坡治理
        北方交通(2016年12期)2017-01-15 13:52:59
        基于Fluent的滑坡入水過(guò)程數(shù)值模擬
        “監(jiān)管滑坡”比“渣土山”滑坡更可怕
        山東青年(2016年3期)2016-02-28 14:25:50
        住在哪一層
        基于近似結(jié)構(gòu)風(fēng)險(xiǎn)的ELM隱層節(jié)點(diǎn)數(shù)優(yōu)化
        精品少妇大屁股白浆无码| 亚洲精品无码永久在线观看 | 日产国产亚洲精品系列| 日本最新一区二区三区视频观看| 国产白袜脚足j棉袜在线观看| 人妻夜夜爽天天爽三区麻豆AV网站| 成人国产在线播放自拍| 91久久国产香蕉熟女线看| 精品国产青草久久久久福利| 天天爽天天爽天天爽| 亚洲一区二区三区精品网| 老岳肥屁熟女四五十路| 亚洲中文字幕无码爆乳app| 欧美人与动人物姣配xxxx| 青青草综合在线观看视频| 亚洲av一二三四五区在线| 欧美老熟妇乱xxxxx| 国产福利姬喷水福利在线观看| 无码人妻丝袜在线视频| 亚洲丝袜美腿精品视频| 久久久久人妻精品一区三寸| 亚洲国产区男人本色| 免费人人av看| 白白色发布免费手机在线视频观看| 女同性恋一区二区三区四区| 一区二区三区人妻av| 看av免费毛片手机播放| 日韩在线观看你懂的| 久久亚洲春色中文字幕久久久综合| 欧美牲交a欧美牲交| 午夜三级a三级三点| 手机色在线| 日韩中文字幕不卡在线| 亚洲精品无码久久久影院相关影片 | 日韩人妻另类中文字幕| 曝光无码有码视频专区| 精品亚洲少妇一区二区三区| 国产毛片视频一区二区三区在线| 一区二区三区国产高清视频| 消息称老熟妇乱视频一区二区| 亚洲av无码片在线播放|