本文關鍵詞：基于粒子群算法的邊坡位移預測研究

  更多相關文章： 經(jīng)驗模態(tài)分解 邊坡位移預測 支持向量機 粒子群算法

【摘要】：邊坡作為公路及其它基礎設施建設過程中最多而且最復雜的結構體,其穩(wěn)定性與項目建設和運營過程中的安全問題息息相關。當前,常用兩種方法對邊坡的穩(wěn)定性進行判斷,其一是通過數(shù)值模擬對邊坡體在自身結構和各種外界影響因素綜合作用下的穩(wěn)定性進行判斷,另一種方法是通過對邊坡未來一定時期內(nèi)的位移預測來判斷其穩(wěn)定性。在第二種方法中,由于邊坡位移是受內(nèi)、外部因素耦合作用下的結果,通常表現(xiàn)出非線性和突變性的特點,所以無法直接通過線性回歸的方法對其進行預測。鑒于邊坡的位移特征,文中采用經(jīng)驗模態(tài)分解方法對其突變性特征進行提取,并利用粒子群差分算法尋優(yōu)所得支持向量機參數(shù)值進行邊坡位移預測。為提高預測精度,文中就計算過程中的隨機項提取、核函數(shù)選擇和粒子群差分算法尋優(yōu)前參數(shù)取值范圍進行了研究。在對經(jīng)驗模態(tài)分解提取隨機項過程所存在的問題進行研究之前,首先就此方法的理論基礎和計算過程進行了分析。對于分解過程中所存在的端點極值延拓問題,利用端點值判斷和鏡像延拓相結合的方法;對于總位移極值點較少或沒有致使分解無法進行的難題,提出對分期位移進行分解的方法;采用工程實例對分解周期的合理取值進行研究。對比分析邊坡自重作用下的位移規(guī)律和分解結果中的趨勢項,得出在分解周期取值為15、20時分解效果較好。對于支持向量機的邊坡位移預測過程,首先對支持向量機的理論基礎和計算過程進行了分析,然后在經(jīng)驗模態(tài)分解結果、多項式核函數(shù)和高斯核函數(shù)特征分析的基礎上,對邊坡位移預測中核函數(shù)的選擇進行了研究。提出對趨勢項、隨機項分別采用多項式核函數(shù)、高斯核函數(shù)的方法。針對支持向量機位移預測中各參數(shù)的取值問題,應用粒子群差分算法對其進行尋優(yōu)。對于尋優(yōu)之前各參數(shù)的取值或取值范圍,提出采用平均絕對誤差作為判斷準則進行尋優(yōu),尋優(yōu)結果如下:當分解結果中有2個隨機項時,趨勢項、隨機項1、隨機項2的訓練集周期為7、5、6,當分解結果中有3個隨機項時,趨勢項和隨機項1、2、3的訓練集周期為7、5、5、6;對于支持向量機的參數(shù)尋優(yōu)范圍,振蕩型邊坡位移見表4.2,增長型邊坡位移見表4.3。最后,在第二章至第四章研究成果的基礎上對邊坡位移進行預測,并以預測值的絕對誤差和相對誤差作為判斷準則,對預測誤差的分布規(guī)律進行了分析,得出文中所提出的方法和參數(shù)取值范圍在振蕩型和增長型邊坡位移中具有較高的預測精度。
【關鍵詞】：經(jīng)驗模態(tài)分解 邊坡位移預測 支持向量機 粒子群算法
【學位授予單位】：重慶交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U416.14
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-18
• 1.1 研究背景和意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀及存在的不足12-16
• 1.2.1 國內(nèi)研究現(xiàn)狀12-14
• 1.2.2 國外研究現(xiàn)狀14-16
• 1.2.3 存在的不足16
• 1.3 研究內(nèi)容和技術路線16-17
• 1.3.1 研究內(nèi)容16-17
• 1.3.2 技術路線17
• 1.4 本章小結17-18
• 第二章 邊坡位移的經(jīng)驗模態(tài)分解18-30
• 2.1 經(jīng)驗模態(tài)分解的提出18-19
• 2.2 經(jīng)驗模態(tài)分解的實現(xiàn)19-25
• 2.2.1 瞬時頻率和本征模態(tài)函數(shù)19-20
• 2.2.2 分解過程20-23
• 2.2.3 分解過程的分析23-25
• 2.3 邊坡位移的經(jīng)驗模態(tài)分解25-29
• 2.3.1 邊坡位移的特征分析26-27
• 2.3.2 邊坡位移的經(jīng)驗模態(tài)分解方法27-29
• 2.4 本章小結29-30
• 第三章 邊坡位移的支持向量機預測30-46
• 3.1 支持向量機的理論基礎30-33
• 3.1.1 算法的提出30-31
• 3.1.2 經(jīng)驗風險31-32
• 3.1.3 結構風險32-33
• 3.2 支持向量機的實現(xiàn)過程33-41
• 3.2.1 線性分類33-35
• 3.2.2 線性回歸35-38
• 3.2.3 非線性回歸38-41
• 3.3 核函數(shù)的性質(zhì)及常用核函數(shù)41-43
• 3.3.1 核函數(shù)的性質(zhì)41-42
• 3.3.2 高斯核函數(shù)42-43
• 3.3.3 多項式核函數(shù)43
• 3.4 邊坡位移的支持向量機預測43-44
• 3.4.1 核函數(shù)的選擇43-44
• 3.4.2 參數(shù)尋優(yōu)取值范圍44
• 3.5 本章小結44-46
• 第四章 邊坡位移預測的參數(shù)取值范圍尋優(yōu)46-62
• 4.1 粒子群算法的由來46-48
• 4.1.1 復雜適應系統(tǒng)46-47
• 4.1.2 粒子群算法47-48
• 4.2 基本粒子群算法48-50
• 4.2.1 粒子群算法的實現(xiàn)原理48-49
• 4.2.2 粒子群算法的更新迭代過程49-50
• 4.3 粒子群差分算法50-56
• 4.3.1 算法的提出50-51
• 4.3.2 更新迭代過程51-53
• 4.3.3 參數(shù)的選擇53-56
• 4.4 邊坡位移預測的參數(shù)取值或取值范圍尋優(yōu)56-61
• 4.4.1 訓練集周期尋優(yōu)56-58
• 4.4.2 參數(shù)取值范圍尋優(yōu)58-61
• 4.5 本章小結61-62
• 第五章 編程和實例驗證62-70
• 5.1 位移預測的Matlab編程實現(xiàn)62-64
• 5.1.1 實現(xiàn)流程62-63
• 5.1.2 部分語句說明63-64
• 5.2 邊坡位移預測64-69
• 5.2.1 振蕩型邊坡64-66
• 5.2.2 增長型邊坡66-69
• 5.3 本章小結69-70
• 第六章 結論和展望70-72
• 6.1 結論70-71
• 6.2 展望71-72
• 致謝72-73
• 參考文獻73-76
• 附錄A 訓練集周期尋優(yōu)76-80
• 附錄B 邊坡位移預測80-83
• 附錄C 監(jiān)測點位移值83-85
• 攻讀學位期間取得的研究成果85

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 史永勝，許東俊;時序分析在邊坡位移預測中的應用[J];巖土力學;1995年04期

2 劉沐宇，池秀文，魏文暉，陸文興;時間序列分析法與邊坡位移預報[J];武漢工業(yè)大學學報;1995年03期

3 盛松濤;蘇忖安;毛建平;朱全平;;加權一階局域法在邊坡位移預測中的應用研究[J];人民長江;2006年11期

4 李維朝;戴福初;劉漢東;武富強;;對邊坡位移監(jiān)測曲線振蕩起伏的分析[J];工程地質(zhì)學報;2008年02期

5 許江;季惠英;唐曉軍;;不等時距灰色模型的邊坡位移預測及軟件化[J];重慶大學學報;2008年05期

6 馮夏庭，，王泳嘉;邊坡位移的神經(jīng)動力學模型研究[J];東北大學學報;1995年05期

7 余天堂,王振波;基于多層遞階方法的邊坡位移預測[J];巖土力學;2003年03期

8 楊振杰;;邊坡位移監(jiān)測與控制[J];中國礦山工程;2006年04期

9 陳紹桔;;邊坡位移時間序列分析預測[J];福建建筑;2008年06期

10 蘇夏征;程峰;莫時雄;李毅;;相空間重構技術在邊坡位移預測中的應用[J];安徽建筑;2008年05期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 吳定洪;劉雄;;邊坡位移的時間序列分析方法研究[A];中國巖石力學與工程學會第三次大會論文集[C];1994年

2 賈愚如;黃玉靈;;邊坡位移的數(shù)據(jù)處理及預測分析[A];自然邊坡穩(wěn)定性分析暨華鎣山形變體形變趨勢研討會論文摘要集[C];1991年

3 李克鋼;張重慶;;基于時間序列的神經(jīng)網(wǎng)絡建模及邊坡位移預測[A];第十屆全國青年巖石力學與工程學術大會論文集[C];2009年

4 史永勝;許東俊;;邊坡位移預測的疊合時序模型研究[A];面向21世紀的巖石力學與工程：中國巖石力學與工程學會第四次學術大會論文集[C];1996年

5 李維朝;戴福初;劉漢東;武富強;;對邊坡位移監(jiān)測曲線振蕩起伏的分析[A];中國科學院地質(zhì)與地球物理研究所2008學術論文匯編[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 白靜;研發(fā)邊坡位移監(jiān)測系統(tǒng)[N];中國煤炭報;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 代在波;基于粒子群算法的邊坡位移預測研究[D];重慶交通大學;2016年

2 鄧賢國;基于數(shù)值計算的邊坡位移監(jiān)測點優(yōu)化布設方法研究[D];西南石油大學;2012年

3 張鵬;基于無偏灰色模糊馬爾可夫理論對邊坡位移預測的研究[D];武漢理工大學;2013年

4 陳峰;邊坡位移序列的預測模型研究與應用[D];遼寧工程技術大學;2008年

5 向璐;基于單目視覺的邊坡位移監(jiān)測研究[D];重慶交通大學;2013年

6 蔚清;邊坡監(jiān)測數(shù)據(jù)預處理方法比較及建模研究[D];合肥工業(yè)大學;2013年

本文編號：1010886