原文传递
高速铁路沉降变形评估预报模型研究
| 论文题名： | 高速铁路沉降变形评估预报模型研究 |
| 关键词： | 高速铁路;沉降观测;变形评估;预报模型;神经网络 |
| 摘要： | 我国的高速铁路快速发展,建设项目多,许多项目正在进行施工。高速铁路施工过程中沉降观测和沉降变形评估是确保今后高速铁路施工质量和保证运营安全的重要内容。目前,高速铁路沉降变形评估理论在应用中尚需要不断完善。本文以某在建高速铁路线下工程沉降变形观测及评估项目为例,根据实测数据,在沉降变形评估与预报理论和方法方面开展应用研究。 高速铁路线下工程许多点沉降量级较小,沉降变形曲线呈现“小量级、大波动”特点,观测数据中可能存在大量的随机噪声,对沉降变形分析产生干扰,影响沉降变形评估的准确性及可靠性,本文将小波分析引入到沉降变形评估数据预处理中。通过对小波阈值法去噪方法的研究,给出了改进阈值法,应用到高速铁路线下工程隧道和桥梁的沉降变形观测数据的预处理中,并有效地提高了沉降变形评估中拟合曲线的相关系数,应用实例表明改进阈值法应用到沉降变形评估数据预处理中取得较好的去噪效果。 在沉降变形分析与预报方面,对小波神经网络模型和模糊小波神经网络模型进行了应用研究。 首先,对人工神经网络模型的基本原理、BP神经网络模型结构、学习算法等进行了分析与讨论,结合小波分析,建立了(松散型、紧致型)小波神经网络组合模型,并对其类型、学习算法改进和模型的建立等进行了应用研究。通过工程实例应用对比分析,得出(松散型、紧致型)小波神经网络组合模型预测精度要高于单一的BP神经网络模型,紧致型小波神经网络模型预测精度高于松散型小波神经网络模型的结论。 其次,简述了模糊系统理论基础,并对模糊推理系统、T-S模糊系统进行了分析讨论,对模糊小波神经网络组合模型的结构、学习算法等进行应用研究。将模糊小波神经网络模型应用到高速铁路线下工程路基段沉降观测点的数据预处理中,与小波神经网络模型及BP神经网络模型进行了对比分析,应用实例表明,模糊小波神经网络模型的预测精度较松散型小波神经网络模型与BP神经网络模型高,并略高于紧致型小波神经网络模型,在预测稳定性方面也较紧致型小波神经网络模型高。 综上所述,模糊小波神经网络组合模型相对于单一模型提高了预测精度,在高速铁路线下工程变形分析与预报中具有一定的优势和实用价值。通过加入模糊系统的模糊小波神经网络模型充分融合了模糊系统、小波分析以及神经网络等方法的优点,具有较强的学习能力、较高逼近精度以及多分辨分析能力,而且收敛速度快,泛化能力强、控制性能较好,相对单一方法提高了预测精度,在高速铁路线下工程的变形分析与预报上具有一定的参考价值和应用价值。 |
| 作者： | 陈冠宇 |
| 专业： | 测绘工程 |
| 导师： | 文鸿雁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 桂林理工大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
