基于人工神經(jīng)網(wǎng)絡(luò)的沉降預(yù)測方法研究.pdf

1、隨著城市建設(shè)的快速發(fā)展，市區(qū)內(nèi)的地下工程建設(shè)逐漸增多，隨之而來的安全問題不可忽視。變形監(jiān)測作為信息化施工的關(guān)鍵環(huán)節(jié)，貫穿著建筑物設(shè)計(jì)期、施工期和運(yùn)營期的整個過程，工程參建各方都對監(jiān)測工作和數(shù)據(jù)分析給予極大重視。未雨綢繆，在對整體施工環(huán)境嚴(yán)格監(jiān)測的同時，沉降預(yù)測作為施工安全預(yù)警系統(tǒng)，得到了技術(shù)人員的高度重視。沉降預(yù)測方法很多，主要有回歸分析、時間序列分析、灰色系統(tǒng)分析、神經(jīng)網(wǎng)絡(luò)等方法。事實(shí)上，城市建設(shè)引起的建筑物、構(gòu)筑物和地表變形受多重因

2、素影響，而且多個因素間大都是非常復(fù)雜的非線性關(guān)系，不清楚用何種數(shù)學(xué)模型可以表述，如果事先用確定的數(shù)學(xué)模型進(jìn)行預(yù)測，勢必和實(shí)際變形有非常大的偏差。因此，若回歸分析建立在無充足根據(jù)的假設(shè)模型的基礎(chǔ)上，則所建立的模型可能根本無法用來預(yù)測預(yù)報(bào)變形發(fā)展趨勢?；疑A(yù)測模型比較易于老化，需要不斷地更新優(yōu)化。人工神經(jīng)網(wǎng)絡(luò)以其具有自學(xué)習(xí)、自組織和良好的非線性逼近能力，具有較好的容錯性，受到眾多領(lǐng)域?qū)W者的關(guān)注。 本文根據(jù)基坑、地鐵等工程的施工特點(diǎn)，

3、分析建立合適的網(wǎng)絡(luò)模型，將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于基坑、地鐵等的變形預(yù)測預(yù)報(bào)，對彌補(bǔ)以往預(yù)測模型的局限性具有實(shí)用價(jià)值。主要研究內(nèi)容如下： 1.研究了徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)算法。對基于傳統(tǒng)BP算法的神經(jīng)網(wǎng)絡(luò)局限性進(jìn)行分析，將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于變形預(yù)測。針對傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)存在的問題，對其進(jìn)行改進(jìn)。實(shí)現(xiàn)了RBF神經(jīng)網(wǎng)絡(luò)最優(yōu)泛化能力訓(xùn)練算法，同時將小波分析與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合，提高了訓(xùn)練速度和預(yù)測精度。研究了RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)

4、結(jié)構(gòu)、徑向基函數(shù)的擴(kuò)展速度（SPREAD）、神經(jīng)元的最大數(shù)目、徑向基函數(shù)中心寬度和網(wǎng)絡(luò)訓(xùn)練誤差指標(biāo)等參數(shù)選取問題。 2.結(jié)合MATLAB對小波分析進(jìn)行研究。探討了小波分析在信號消噪領(lǐng)域的應(yīng)用問題，研究了小波分解實(shí)現(xiàn)信號去噪的方法、小波函數(shù)選取、閾值選取和分解層數(shù)等問題，合理地運(yùn)用小波分解對變形監(jiān)測數(shù)據(jù)序列消噪。 3.探討了小波分析和神經(jīng)網(wǎng)的結(jié)合方式。小波與神經(jīng)網(wǎng)絡(luò)的結(jié)合方式通常有兩種。一種是輔助式結(jié)合，也稱為松散型結(jié)合方