原文传递
基于神经网络和遗传算法的桥梁标高预测方法研究
| 论文题名： | 基于神经网络和遗传算法的桥梁标高预测方法研究 |
| 关键词： | 神经网络模型;浮点编码的遗传算法;桥梁;标高预测;影响因素;施工控制;模型参数;人工神经网络;立模标高;计算模型;预应力混凝上;训练和测试;最优参数;预测模型;预测精度;优化参数;训练样本;修正计算;误差问题;物理意义 |
| 摘要： | 本文针对桥梁标高预测模型不够精确，施工工艺差异等导致很多的计算参数难以准确确定的现实，在已有的标高数据基础上，利用人工神经网络和遗传算法克服该两类困难的探索。即结合肇庆西江大桥施工控制工程，就如何实现对立模标高的准确预测和如何修正计算模型参数来减小桥梁计算模型和实际模型之间的误差展开如下的研究工作： (1)将BP神经网络引入到大跨度预应力混凝上连续梁桥的施工控制中，借助MATLAB程中BP神经网络工具箱函数进行编程，构建标高影响因素和立模标高之间的BP神经网络模型，实现其对桥梁标高的准确预测。 (2)对施工控制中的参数进行了分析，发现桥梁立模标高影响因素十分复杂，至今没有统一认识。本文通过分析影响因素的相关性，合理地在神经网络模型中简化了影响因素的数量，并得到了验证。因此使用本文推荐的影响因素作为神经网络的输入向量，可以更好的指导以后施工控制中的预测。 (3)针对利用人工神经网络开展多级预测时，存在随着预测级数的增加而预测精度降低的问题，开展了预测反馈分析，以提高多级预测的精度。 (4)针对模型参数误差问题，首先引入神经网络，建立参数和标高之间的BP网络模型，用训练样本和测试样本分别对模型进行训练和测试。在此模型的基础上，通过浮点编码的遗传算法对参数进行优化得到一组最优参数。该优化参数物理意义明确，对类似桥梁的计算分析具有指导意义。 |
| 作者： | 习会峰 |
| 专业： | 固体力学 |
| 导师： | 汤立群 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华南理工大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
