原文传递
小波神经网络在高铁路基沉降监测中的应用研究
| 论文题名： | 小波神经网络在高铁路基沉降监测中的应用研究 |
| 关键词： | 铁路路基;路基沉降;小波神经网络模型;路基监测 |
| 摘要： | 随着社会经济的不断发展与进步，交通条件成为制约社会经济发展的重要因素。目前，我国正在大力建设的高速铁路，是一项庞大、复杂的系统工程。在工程建设中，变形监测贯穿于工程的施工和运营管理阶段，是不可忽视的重要问题。要保证高速列车能够安全、平稳、舒适地运行，就必须保证线路轨道具有高平顺性，那么必须对高速铁路线下工程的沉降进行有效的控制，尤其是路基的沉降。 用来进行沉降量预测的方法大致可以分为两类：基于实测的数据分析法与基于理论的计算法。基于实测数据的分析方法有很多，如回归分析法、灰色系统理论、人工神经网络等，但多数是对建筑物、基坑、边坡、隧道、大坝等工程的变形预测，应用在高速铁路沉降监测方面的模型并不多。本文以杭长客专江西段某区段为背景，对该区段变形监测网的建立、观测方法、监测精度等做了论述，建立小波神经网络模型，对路基沉降数据的分析预测做了深入研究，具体工作如下： （1）研究了利用小波分析实现信号去噪的方法，运用小波阈值算法对路基沉降数据进行去噪，对原始数据中存在的噪声进行处理，期望对未来的预测结果更加准确。 （2）研究BP神经网络算法，对传统BP神经网络模型算法中存在的局限性进行了优化改进，较好地克服了其存在的局部最小、学习效率低、收敛速度慢等问题，并将改进模型应用于变形预测。 （3）探讨小波变换与神经网络的结合方式，结合小波变换和 BP神经网络各自的优点，构建小波神经网络模型，对其进行改进并验证效果。 （4）借助MATLAB软件构建模型，分别得到BP神经网络模型预测值、小波神经网络模型预测值，将其与实测值进行对比，分析其性能，实验结果表明，小波神经网络优于单一的 BP神经网络，对高铁路基沉降进行预测分析更高效、更精确。 |
| 作者： | 刘攀 |
| 专业： | 地质工程 |
| 导师： | 言志信;田树涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
