基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

发布时间：2018-11-06 09:27

【摘要】：隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势。首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度。在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律。该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路。
[Abstract]:The tunnel surrounding rock has high nonlinear deformation characteristics, and the development trend of tunnel deformation can be effectively judged by deformation prediction. In order to ensure that the parameters of the adaptive model are the global optimal, the particle swarm optimization algorithm is proposed to optimize the model parameters. Secondly, based on BP neural network, an error correction model is established to further improve the prediction accuracy. On this basis, the prediction model is applied to two engineering examples. The results show that the prediction model has better prediction effect in both horizontal and longitudinal direction, strong adaptive ability and recursive ability, and the prediction results are in good agreement with the measured values. The prediction accuracy is high and can reflect the deformation law of tunnel surrounding rock. The prediction model can effectively realize the dynamic prediction of tunnel surrounding rock, can be applied and studied widely, and provides a new way of thinking for tunnel deformation prediction.
【作者单位】： 陕西铁路工程职业技术学院;
【基金】：陕西铁路工程职业技术学院科研项目(KY2016-02)
【分类号】：U456.3

【相似文献】

相关期刊论文 前10条

1 黄明华;刁心宏;杨华;;隧道变形预测的灰色模型研究[J];华东交通大学学报;2008年02期

2 邵先胜;沈正伟;李之波;;基于BP神经网络的沥青路面使用性能评价模型[J];河南科技;2011年06期

3 高永强,边亦海,李立增;人工神经网络在隧道变形预测中的应用[J];石家庄铁路工程职业技术学院学报;2004年01期

4 陈君;李聪颖;丁光明;;基于BP神经网络的高速公路交通安全评价[J];同济大学学报(自然科学版);2008年07期

5 陈昱;;基于组合人工神经网络的隧道变形预测模型应用研究[J];广东土木与建筑;2006年02期

6 樊海玮;张国翊;丁爱玲;谢昌荣;徐婷;;BP改进算法及其在路面裂缝检测中的应用[J];长安大学学报(自然科学版);2010年01期

7 马黎;赵丽红;傅惠;;基于BP神经网络的交通异常事件自动检测算法[J];交通科技与经济;2010年06期

8 徐杏,史喜军;深圳港基于BP神经网络的集装箱预测模型[J];河海大学学报(自然科学版);2002年04期

9 房东升;陈洋洋;;基于BP神经网络的沥青路面使用性能评价[J];交通标准化;2009年19期

10 雷敏;斯郎拥宗;;BP神经网络在大型斜拉桥施工控制中的应用研究[J];四川建筑;2009年04期

相关会议论文 前10条

1 高慧;赵建玉;贾磊;;基于前向型神经网络的短时交通流预测研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

2 邓成豪;林从谋;王殿会;黄金山;孟凡兵;;隧道变形预测方法的改进[A];第十一届全国土力学及岩土工程学术会议论文集[C];2011年

3 杨炳尧;韩大建;颜全胜;;使用神经网络方法进行桥梁缺损状况评估[A];第十六届全国桥梁学术会议论文集（下册）[C];2004年

4 刘杨;沈海州;彭国雄;;基于神经网络的消防车辆行程时间计算模型[A];第一届中国智能交通年会论文集[C];2005年

5 李承;余建星;;基于模糊神经网络的海上机动卸载平台风险分析[A];第三届全国现代结构工程学术研讨会论文集[C];2003年

6 罗璇;程伟;;联想神经网络在结构损伤识别中的应用[A];第三届全国防震减灾工程学术研讨会论文集[C];2007年

7 卢晓煜;郝正;;计算机辅助高速公路收费稽查分析方法研究[A];2008第四届中国智能交通年会论文集[C];2008年

8 包龙生;张乐;于玲;曹鑫;;基于BP神经网络对大跨径预应力连续梁桥标高偏差预测分析[A];第22届全国结构工程学术会议论文集第Ⅰ册[C];2013年

9 韩宝睿;邵光辉;马健霄;;基于BP神经网络的公交停靠站的排队状态预测[A];第一届中国智能交通年会论文集[C];2005年

10 吴坚;陈宁;;基于SARBF神经网络拟合的交通流量残缺信息修补方法研究[A];第二十九届中国控制会议论文集[C];2010年

相关重要报纸文章 前1条

1 通讯员 王孟霞;CCS获BP的CAP资格认可[N];中国船舶报;2013年

相关硕士学位论文 前10条

1 郭雅楠;基于EMD的BP神经网络在公交客流预测中的应用[D];天津大学;2016年

2 汪春鸣;组合模型在隧道变形预测中的应用[D];江西理工大学;2012年

3 肖启俊;基于BP神经网络的船舶价格评估方法研究[D];上海交通大学;2013年

4 羊文琦;基于遗传算法和BP神经网络的区域性公路交通量预测研究[D];西南交通大学;2015年

5 黄惠峰;智能神经网络及其在隧道运营期变形预测评估中的应用[D];西南交通大学;2015年

6 黄智仟;基于神经网络的船舶交通流量预测研究[D];大连海事大学;2015年

7 陈光曦;模拟桥梁结构故障声发射检测技术研究[D];沈阳理工大学;2015年

8 谭贞刚;基于多分辨率卷积网络的交通标志检测与识别[D];大连理工大学;2015年

9 崔宝影;基于神经网络的石河大桥损伤预警算法研究[D];东北大学;2013年

10 管硕;基于SVM和K-均值聚类的RBF神经网络短时交通流预测[D];青岛大学;2015年

，

本文编号：2313884