RBF神经网络优化灰线性回归模型预测建模

针对建筑物地基沉降的机理以及RBF(RadialBasisFunction,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了RBF神经网络,并用该网络优化灰线性回归预测模型,建立RBF灰线性组合预测模型。通过工程实例,比较分析了单一灰色模型、灰线性回归模型、RBF优化的灰线性回归模型的预测精度。结果表明,RBF优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型,预测中误差达到0.0014mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。