【摘要】：變形監(jiān)測是安全化、信息化工程建設(shè)和管理的重要內(nèi)容,貫穿于建筑物設(shè)計、施工和運營整個過程.本文基于小波分析、BP神經(jīng)網(wǎng)絡(luò)、小波分析與神經(jīng)網(wǎng)絡(luò)結(jié)合的相關(guān)理論,借助MATLAB編程,建立了改進的BP神經(jīng)網(wǎng)絡(luò)、輔助式小波神經(jīng)網(wǎng)絡(luò)、嵌入式小波神經(jīng)網(wǎng)絡(luò)3種變形預(yù)測網(wǎng)絡(luò)模型.結(jié)合工程實測數(shù)據(jù),利用建立的3種模型,分別應(yīng)用累積沉降和期間沉降不同模式數(shù)據(jù)進行預(yù)測.結(jié)果表明,兩種小波神經(jīng)網(wǎng)絡(luò)組合模型的預(yù)測效果明顯優(yōu)于單一的BP神經(jīng)網(wǎng)絡(luò)模型,具有更高預(yù)測精度和更快的收斂速度,且訓(xùn)練樣本數(shù)目越多,模型精度越高,預(yù)測效果越好.
[Abstract]:Deformation monitoring is an important part of safety, information engineering construction and management, which runs through the whole process of building design, construction and operation. Based on the theory of wavelet analysis, BP neural network, wavelet analysis and neural network, with the help of MATLAB programming, the improved BP neural network and auxiliary wavelet neural network are established. Three kinds of deformation prediction network models based on embedded wavelet neural network. Combined with the measured data, the three models are used to predict the cumulative settlement and the different model data of the period settlement respectively. The results show that the prediction effect of the combined wavelet neural network model is obviously better than that of the single BP neural network model, and it has higher prediction precision and faster convergence speed. Moreover, the more training samples, the higher the precision of the model. The better the prediction.
【作者單位】： 北京交通大學(xué)土木建筑工程學(xué)院;北京交通大學(xué)軌道工程北京市重點實驗室;
【基金】：中央高�；究蒲袠I(yè)務(wù)費專項資金資助(2015JBM070)
【分類號】：TU433;TP183

【參考文獻】

相關(guān)期刊論文 前10條

1 丁寧;孫英君;崔健;陳明九;;高層建筑物變形監(jiān)測數(shù)據(jù)處理與分析[J];測繪科學(xué);2011年05期

2 潘國榮,王穗輝;建筑物動態(tài)變形的模型辨識與預(yù)測[J];測繪學(xué)報;1999年04期

3 潘國榮;谷川;;變形監(jiān)測數(shù)據(jù)的小波神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J];大地測量與地球動力學(xué);2007年04期

4 戴吾蛟;伍錫銹;;變形監(jiān)測中Kalman濾波狀態(tài)模型的比較分析[J];大地測量與地球動力學(xué);2009年06期

5 張玉堂;程新文;;灰色模型與智能算法組合模型在變形預(yù)測中的應(yīng)用[J];地理空間信息;2011年02期

6 劉燕芳;陳啟華;丁林磊;;灰色組合模型在變形預(yù)測中的應(yīng)用[J];工程勘察;2013年01期

7 高寧;崔希民;高彩云;;灰時序GM-AR模型在建筑物沉降變形預(yù)測中的應(yīng)用[J];測繪科學(xué);2013年01期

8 魏健;胡吉平;譚衢霖;劉萬松;;BP神經(jīng)網(wǎng)絡(luò)在高層建筑沉降預(yù)測中的應(yīng)用[J];北京測繪;2013年02期

9 蘭孝奇;楊永平;黃慶;嚴(yán)紅萍;;建筑物沉降的時間序列分析與預(yù)報[J];河海大學(xué)學(xué)報(自然科學(xué)版);2006年04期

10 王侃偉;方宗德;;基于Bubble小波的多尺度邊緣提取[J];計算機科學(xué);2006年01期

【共引文獻】

相關(guān)期刊論文 前10條

1 李瑞琪;程乃偉;郭燕;;基于蟻群神經(jīng)網(wǎng)絡(luò)火災(zāi)信息處理技術(shù)研究[J];安防科技;2011年07期

2 賀艷輝;袁永明;張紅燕;龔，

本文編號：2430375