本文選題：高層建筑物 + 基因表達式編程��； 參考：《江西理工大學》2015年碩士論文

【摘要】：隨著社會的高速發(fā)展和人們不斷地向城市聚集,城市土地越來越緊張,大量的高層建筑物也隨之產(chǎn)生。高層建筑物的變形可能會導致災害的發(fā)生,所以高層建筑物的安全問題顯得格外重要。如果可以對高層建筑物的變形進行準確地預測,就可以有效地減少災害帶來的損失。但是,目前常見的預測方法應用于高層建筑物的變形預測都存在不足之處,導致預測精度不夠。因此,如何準確地預測高層建筑物變形對減少災害的發(fā)生有著重大的研究意義。本文首先闡述了人工神經(jīng)網(wǎng)絡和基因表達式編程(GEP)的國內(nèi)外研究現(xiàn)狀,并介紹了高層建筑物變形監(jiān)測的相關理論及目前常見的預測模型;其次,根據(jù)基因表達式編程原理,利用其簡單的基因編碼和強大的全局搜索能力,解決了徑向基函數(shù)神經(jīng)網(wǎng)絡初始權值的選取和隱層中心向量(神經(jīng)元)的個數(shù)難以確定的問題,提高了網(wǎng)絡的收斂性和精度;然后,將GEP的優(yōu)點應用于徑向基函數(shù)神經(jīng)網(wǎng)絡,對網(wǎng)絡進行優(yōu)化,建立了GEP優(yōu)化的徑向基函數(shù)神經(jīng)網(wǎng)絡變形預測模型。最后,以陜西某高層建筑物為實例,將基于徑向基函數(shù)神經(jīng)網(wǎng)絡的預測模型和基于GEP優(yōu)化的徑向基函數(shù)神經(jīng)網(wǎng)絡的預測模型應用于該高層建筑物沉降變形預測,并對兩個模型的預測結果進行對比分析。結果表明,基于GEP優(yōu)化的徑向基函數(shù)神經(jīng)網(wǎng)絡的預測模型比基于徑向基函數(shù)神經(jīng)網(wǎng)絡的預測模型的預測值的精度提高了將近一倍,從而說明基于GEP的徑向基函數(shù)神經(jīng)網(wǎng)絡的預測模型在高層建筑物變形預測領域更具有研究的意義和推廣價值。
[Abstract]:With the rapid development of the society and the continuous gathering of people to the city, the urban land is becoming more and more tense and a large number of high-rise buildings are produced. The deformation of the high-rise buildings may lead to the occurrence of disasters, so the safety of the high-rise buildings is particularly important. If the deformation of the high-rise buildings can be accurately predicted, it can be accurately predicted. It can effectively reduce the loss caused by disasters. However, the common prediction methods used in the deformation prediction of high-rise buildings are inadequacies, which results in insufficient prediction accuracy. Therefore, how to accurately predict the deformation of high-rise buildings is of great significance to reduce the occurrence of disasters. Through the domestic and foreign research status of network and gene expression programming (GEP), the related theories of deformation monitoring of high-rise buildings and the common prediction models are introduced. Secondly, based on the principle of gene expression programming, the initial weights of radial basis function neural networks are solved by using their simple gene coding and powerful global search ability. The selection and the number of the central vector (neuron) of the hidden layer are difficult to determine, and the convergence and accuracy of the network are improved. Then, the advantages of GEP are applied to the radial basis function neural network, the network is optimized, and the radial basis function neural network variable shape prediction model of the GEP optimization is established. Finally, a high-rise building in Shaanxi is taken as the real one. The prediction model based on radial basis function neural network and the prediction model of radial basis function neural network based on GEP optimization are applied to the prediction of the settlement deformation of the high-rise building, and the prediction results of the two models are compared and analyzed. The results show that the prediction model based on the radial basis function neural network based on the GEP optimization is based on the basis of the prediction model. The prediction accuracy of the prediction model of radial basis function neural network is nearly doubled, thus the prediction model of radial basis function neural network based on GEP is more meaningful and popularized in the field of high building deformation prediction.
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TU196.1

【相似文獻】

相關期刊論文 前10條

1 徐向東;國內(nèi)最高層建筑物整體平移工程順利進行[J];山東建筑工程學院學報;2000年04期

2 梅連友,馬志明,馬平平,杜偉平,陳子進;高層建筑物變形監(jiān)測與分析方法研究[J];后勤工程學院學報;2004年02期

3 董杰;顧斌;董妍;李菲菲;;高層建筑物變形監(jiān)測方法的探討[J];科技風;2010年03期

4 王曉鵬;樊之旭;;高層建筑物房高測量方法探討[J];河南科技;2011年13期

5 付先蘭;;高層建筑物的火災隱患及其預防對策[J];中國科技信息;2012年15期

6 梁振華;;高層建筑物變形監(jiān)測技術方法現(xiàn)狀與展望[J];長春工程學院學報(自然科學版);2013年03期

7 阮劍鋒,曾永林;高層建筑物的防雷接地和屏蔽[J];廣東電力;2000年01期

8 趙顯富;高層建筑物變形監(jiān)測三維方向交會理論與試驗[J];鐵路航測;2000年03期

9 楊麥良;高層建筑物的監(jiān)測[J];測繪與空間地理信息;2005年04期

10 孫肅,盧明全,程向陽;高層建筑物整體移位技術的探討[J];大連水產(chǎn)學院學報;2005年01期

相關會議論文 前10條

1 趙新陽;呂菲;;高層火災防范措施淺談[A];土木建筑學術文庫(第15卷)[C];2011年

2 劉先森;甘濟五;王鐵山;;高層建筑物變形監(jiān)測的研究[A];華東六省一市測繪學會第十一次學術交流會論文集[C];2009年

3 韓光明;商圣標;劉秀琳;于憲營;周愛蓮;;淺談高層建筑物垂直位移觀測[A];山東水利學會第九屆優(yōu)秀學術論文集[C];2004年

4 丁寧;趙吉濤;趙同龍;;利用GPS技術對高層建筑進行沉降變形監(jiān)測[A];2005年度山東建筑學會優(yōu)秀論文集[C];2005年

5 李忠仁;;高層建筑的變形監(jiān)測[A];重慶市測繪學會第三屆優(yōu)秀論文評選獲獎論文暨2005-2006年度學術交流會論文選編[C];2008年

6 周彪;張騰;許幼平;;數(shù)值仿真技術在在建高層建筑物火災中的應用[A];第一屆全國工程安全與防護學術會議論文集[C];2008年

7 程彬;;高層建筑物雷電防護設計審查技術初步研究[A];第六屆長三角氣象科技論壇論文集[C];2009年

8 馮艷春;;人機工程學理論在高層建筑物火災安全疏散設施設計中的應用[A];中國職業(yè)安全健康協(xié)會2005年學術年會論文集[C];2005年

9 于勝文;蔡乾廣;魏薇;;青島某高層建筑物沉降監(jiān)測與分析[A];山東省測繪學術年會論文集[C];2006年

10 張孝奎;陳麗梅;張盈;馮立超;;遠震對軟土場地高層建筑物的抗震影響研究[A];轉(zhuǎn)型與重構——2011中國城市規(guī)劃年會論文集[C];2011年

相關重要報紙文章 前8條

1 記者 陸斌;上海向高層建筑物 天津向亂起地名者亮黃牌[N];新華每日電訊;2000年

2 本報記者 王偉;我國高層建筑物消防無軟肋[N];廣東科技報;2001年

3 許祖華邋耿凌楠;陜西：校舍重建須避免與高層建筑物毗鄰[N];新華每日電訊;2008年

4 記者 譚劍;長沙立法治“名”[N];新華每日電訊;2002年

5 全榮;高層建筑物電梯用軸承[N];世界金屬導報;2013年

6 鐘蘭花;門牌怎么編 有了新規(guī)矩[N];紹興日報;2007年

7 閆亮;日本：老齡社會,多讓機器人代勞吧[N];新華每日電訊;2007年

8 明網(wǎng)文;全新防彈衣 子彈射不透[N];中國消費者報;2000年

相關碩士學位論文 前10條

1 曾超;基于WSN的高層建筑物地基沉降動態(tài)監(jiān)測系統(tǒng)的設計與實現(xiàn)[D];西南交通大學;2015年

2 賈斌;西安濕陷性黃土地區(qū)高層建筑物沉降特性分析研究[D];西安科技大學;2015年

3 武光偉;灰色時序組合模型在高層建筑物沉降預測中的應用研究[D];西安科技大學;2016年

4 鐘濤;基于GEP優(yōu)化的神經(jīng)網(wǎng)絡在高層建筑變形預測中的應用研究[D];江西理工大學;2015年

5 李艷濱;深埋隧道在地表高層建筑物影響下的受力分析[D];北京交通大學;2017年

6 郁有禮;高層建筑物繞流風場的數(shù)值模擬研究[D];西安建筑科技大學;2005年

7 齊海龍;高層建筑物沉降觀測技術應用[D];中國地質(zhì)大學（北京）;2013年

8 李云峰;高層建筑物雷電流分布的研究[D];河北工業(yè)大學;2014年

9 吳坤;某高層建筑物氣動力的試驗研究[D];南京航空航天大學;2005年

10 王旭;直擊雷作用高層建筑物的電流分布研究[D];河北工業(yè)大學;2014年

，

本文編號：1914997