原文传递
粒子群优化神经网络在桥梁形变中的预测研究
| 论文题名： | 粒子群优化神经网络在桥梁形变中的预测研究 |
| 关键词： | 桥梁监测;形变预测;神经网络;粒子群算法 |
| 摘要： | 桥梁的实时形变监测及其变化预测对于诱发桥梁位移影响因素及位移规律的研究至关重要。桥梁作为交通网的重要组成部分,它在维持国家经济稳步增长的时候,也方便了人们的日常生活和工作需求。但由于桥梁的施工、运营、维护不当、以及地质环境变化等影响,所产生的结构变形均有所差异,严重时会影响人们的日常生活以及造成国家经济损失。因此，掌握桥梁的稳定性状态，对其进行变形监测及预测尤为重要。 本文以巫山龙井立交桥为研究对象，将LSTM和BP神经网络引入到桥梁变形预测中，并利用粒子群算法对模型进行优化，提出了PSO优化LSTM神经网络的桥梁位移预测模型和PSO优化BP神经网络的桥梁沉降预测模型。开展了桥梁位移预测的相关研究。研究内容如下： （1）在地质概况调查和桥梁稳定性分析的基础上，布设监测网，并且在具有标志性的位置布设监测点。对采集的监测数据进行分析，列出s-t曲线图，分析位移影响因素及曲线特征。 （2）针对采集的监测数据存在数据异常及数据缺失的问题，通过标准差法排除异常值，牛顿多项式插值法补充缺失值，改善桥梁位移监测数据的质量。最后通过对改善的数据进行分析，并制定相应的预报规则。 （3）针对LSTM和BP神经网络模型的桥梁变形预测存在精度低，预测效果能力弱等问题，通过PSO算法改进两种预测模型的参数，利用PSO-LSTM神经网络的桥梁位移预测模型与PSO-BP神经网络桥梁沉降预测模型进行相关研究。工程实例数据分析结果表明：组合模型优势明显，在拟合能力方面等具有改进效果，所建模型的均方根误差均在5%以内。表明本文组合模型在桥梁位移预测的可行性和有效性。 |
| 作者： | 汤昭辉 |
| 专业： | 测绘工程 |
| 导师： | 徐金鸿 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
