黄，Faming AU - Yin, Fei AU - Hao, Yong AU - Xiao, Taoli AU - Shao, Yan AU - Yuan，男人PY - 2021 DA - 2021/06/24 TI -桩基础埋深的预测基于量子粒子群优化BP神经网络优化SP - 2015408六世- 2021 AB -由于波动的承重层和土层的不同属性,桩基的埋深也会有所不同。在实际施工中，由于设计的桩长与实际桩长不完全一致，需要剪断或补充大量的桩，造成巨大的成本浪费和安全隐患。因此，桩基埋深的预测在建筑工程中具有重要的意义。本文利用BP神经网络建立了基于坐标和桩埋深的非线性模型，对待评估样本进行预测，结果表明BP神经网络容易陷入局部极值，误差达到31%。随后，提出了QPSO算法对BP网络的权值和阈值进行优化，结果表明，QPSO-BP在预测承载层深度时的最小误差仅为9.4%，在预测桩基埋深时的最小误差仅为2.9%。此外，本文还通过RMSE、MAE和MAPE三种统计检验将QPSO-BP与其他三种鲁棒模型FWA-BP、PSO-BP和BP进行了比较。QPSO-BP算法的精度最高，证明了QPSO-BP算法在实际工程中的优越性。SN - 1687-8086 UR - https://doi.org/10.1155/2021/2015408 DO - 10.1155/2021/2015408 JF - Advances in Civil Engineering PB - Hindawi KW - ER -