原文传递
改进的小波-BP神经网络在隧道变形监测中的应用
| 论文题名： | 改进的小波-BP神经网络在隧道变形监测中的应用 |
| 关键词： | 隧道变形监测;小波变换;神经网络;噪音控制 |
| 摘要： | 在国民经济飞速发展中，基础设施发挥着重要的支撑能力。随着基础设施（公路、铁路等）修建的增加，随之而来的隧道建设也会越来越多，修建过程中遇到的困难挑战也会更多。研究合理的变形预测理论和方法，掌握变形规律、更加准确地获得变形预测数据，对解决隧道支护不及时、变形监测数据简单预测分析准确性低等问题，保障隧道施工安全、提高隧道的安全使用寿命和防灾减灾都具有十分重要的意义。 本文提出改进小波-BP神经网络模型对隧道变形监测数据进行分析预测。首先利用小波变换理论对变形监测数据进行降噪处理;再基于BP神经网络理论方法对变形数据进行分析预测，得到更好的围岩变形趋势。传统硬阈值函数去噪后的数据在阈值点处会产生一种突变（震荡）现象，软阈值函数去噪后的数据会存在±λ大小的偏差;BP神经网络存在容易陷入局部极小而得不到全局最优、收敛速度慢等缺点。针对上述问题，用新阈值函数和遗传算法理论对小波-BP神经网络模型进行了改进。使用改进的模型对岑川隧道的拱顶、围岩和相关地表的监测数据进行预测分析，将前期开挖的监测数据作为训练样本，预测后期变形数据，并与实测数据对比。预测分析结果表明，将改进的小波-BP神经网络模型应用在隧道变形监测数据处理中，预测精度更高，更准确。该方法对隧道变形监测数据分析预测有很好的效果，可以用在后续的工程实践，并在其他类似工程中推广应用。 |
| 作者： | 刘建良 |
| 专业： | 测绘工程 |
| 导师： | 赵国忱;张科 |
| 授予学位： | 硕士 |
| 授予学位单位： | 辽宁工程技术大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
