【摘要】：變形監(jiān)測是監(jiān)測變形體變形的有效手段,通常是處理變形信息,分析變形體變形狀態(tài),預測變形體未來變形情況。由于影響變形體變形的因素有很多,導致變形具有非線性、模糊性和不確定性的特點。這些特點導致在變形預測時,傳統(tǒng)的數(shù)學模型預測結果與實際情況相差較大,從而需要引入其他合適的模型。廣義回歸神經(jīng)網(wǎng)絡(GRNN)是徑向基神經(jīng)網(wǎng)絡的一種變化形式,很適合用來解決非線性問題。GRNN模型的平滑因子決定了預測數(shù)據(jù)的精度,對于平滑因子的選取一般有兩種辦法:試驗法和群體智能優(yōu)化算法。試驗法需要經(jīng)過一次次盲目選取不同的平滑因子,經(jīng)過實驗驗證,在已知的候選值里面選取最優(yōu)秀的平滑因子,這樣導致浪費大量的時間得到的最優(yōu)值精度不一定很高。果蠅優(yōu)化算法(FOA)是一種新型的群體智能優(yōu)化算法,通過果蠅覓食時嗅覺記憶和視覺記憶協(xié)同作用,可以快速準確的幫助果蠅找到食物。FOA對于參數(shù)優(yōu)化性能很好,很適合應用于全局尋優(yōu)。本文研究內(nèi)容總結如下:(1)在論述了人工神經(jīng)網(wǎng)絡模型中BP神經(jīng)網(wǎng)絡模型理論與RBF神經(jīng)網(wǎng)絡模型理論基礎上,詳細分析了GRNN模型的算法理論、算法結構、模型特點及網(wǎng)絡訓練的方法和GRNN模型在變形監(jiān)測數(shù)據(jù)處理中的應用。(2)通過對遺傳算法(GA)的理論和差分進化算法(DE)的理論分析,對比了GA,說明DE優(yōu)于GA。通過實驗分析,利用FOA的理論與算法步驟,分析了FOA算法中群體規(guī)模、群體初始位置、搜索步長、味道濃度判定值、迭代次數(shù)等參數(shù)對模型最優(yōu)值搜索的影響。(3)FOA研究:從搜索半徑、優(yōu)化解生成機制、果蠅飛行策略、多種群合作搜索和組合算法等方面分析已有的改進果蠅優(yōu)化算法。提出用DE改進FOA,并且添加一個逃逸系數(shù)得到一個新的改進模型(DEFOA),經(jīng)過實驗函數(shù)驗證,DEFOA在全局尋優(yōu)方面優(yōu)于標準FOA。(4)針對GRNN模型中平滑因子取值的問題,提出用FOA來優(yōu)化GRNN模型中的平滑因子,得到FOA-GRNN模型。但在全局尋優(yōu)過程中,FOA由于搜索機制的原因,果蠅都飛向味道濃度最優(yōu)處,因此容易陷入局部極值,進而用DEFOA優(yōu)化GRNN模型得到DEFOA-GRNN模型。通過工程實例驗證,DEFOA-GRNN模型預測精度要高于FOA模型和FOA-GRNN模型,適合變形監(jiān)測數(shù)據(jù)處理和數(shù)據(jù)預測。
【圖文】：

果蠅種群數(shù)5得到的搜索路徑

果蠅種群數(shù)10得到的搜索路徑
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TU196;TP183

【參考文獻】

相關期刊論文 前10條

1 李彥杰;薛亞東;岳磊;陳斌;;基于遺傳算法-BP神經(jīng)網(wǎng)絡的深基坑變形預測[J];地下空間與工程學報;2015年S2期

2 朱林;姜立新;楊天青;;BP神經(jīng)網(wǎng)絡模型在地震應急人員傷亡評估中的應用[J];自然災害學報;2015年06期

3 劉立群;韓俊英;代永強;火久元;;果蠅優(yōu)化算法優(yōu)化性能對比研究[J];計算機技術與發(fā)展;2015年08期

4 張前圖;房立清;趙玉龍;;具有Levy飛行特征的雙子群果蠅優(yōu)化算法[J];計算機應用;2015年05期

5 劉思峰;楊英杰;;灰色系統(tǒng)研究進展(2004—2014)[J];南京航空航天大學學報;2015年01期

6 徐茂林;張賀;李海銘;郭兆鵬;;基于測量機器人的露天礦邊坡位移監(jiān)測系統(tǒng)[J];測繪科學;2015年01期

7 魏瑋;陳晨;邵晨飛;許焱鑫;劉峻杉;;小生境蟻群-BP神經(jīng)網(wǎng)絡在大壩變形監(jiān)測中的應用[J];水電能源科學;2014年08期

8 寧劍平;王冰;李洪儒;許葆華;;遞減步長果蠅優(yōu)化算法及應用[J];深圳大學學報(理工版);2014年04期

9 王素英;張U，

本文編號：2677836