基于小波优化的灰色BP神经网络在深基坑变形预测中的应用

发布时间：2017-10-11 09:12

  本文关键词：基于小波优化的灰色BP神经网络在深基坑变形预测中的应用

  更多相关文章： 深基坑变形监测 GM(1 1) 小波去燥 BP神经网络 组合模型预测

【摘要】：随着我国的城市建设快速的发展,城市建设的导向也渐渐的延伸到了地下,特别是城市的高层建筑越来越多,地铁建设也逐渐普及,深基坑工程的规模和难度日益加大。深基坑工程在密集建筑群之间的开挖,会引起各种变形,这种变形不仅体现在基坑自身的位移,也包括基坑周围建筑物的沉降和倾斜效应。因而建立适当的变形监测模型是保障基坑工程安全的重要手段。目前,在变形分析与预测方面,存在多种变形分析与预测模型,其中包括大量的诸如灰色系统理论、BP神经网络、回归分析等单一模型及由单一模型组合而成的组合模型等。本文选用小波理论、灰色模型、BP神经网络三种模型理论。灰色系统理论预测呈指数变化,且在处理数据样本小或信息不完全情况时有突出的效果,而BP神经网络,具有很好的计算能力和误差校正能力的特点,结合两者的优点构建灰色神经网络模型,通过对灰色模型进行预测,得出的预测值作为神经网络的输入样本值,数据的实际观测值作为期望输出,通过训练,得出神经网络并进行预测。基于灰色BP神经网络组合模型的基础上,利用小波变换有效的剔除掉原始数据序列中高频噪声,保留有用信息的特点,建立小波优化的灰色BP神经网络模型,用MATLAB工具实现,通过工程实例的沉降监测数据、水平位移数据两种数据试验分析,与BP神经网络、灰色GM(1,1)模型、小波优化的灰色模型三种模型预测结果比较得出基于小波优化的灰色BP神经网络在处理含噪声的基坑工程预测中具有可靠性,能够得到良好的应用。
【关键词】：深基坑变形监测 GM(1 1) 小波去燥 BP神经网络 组合模型预测
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU433
【目录】：

• 摘要4-5
• Abstract5-12
• 第1章 绪论12-18
• 1.1 研究意义12-13
• 1.2 国内外研究现状及发展趋势13-15
• 1.3 本文研究的目的和主要内容15-16
• 1.4 本文的技术流程16-18
• 第2章 深基坑变形监测18-26
• 2.1 引言18
• 2.2 深基坑工程的特点18-19
• 2.3 深基坑变形机理分析19-20
• 2.3.1 基坑周边地表沉降19
• 2.3.2 坑底土体隆起19-20
• 2.3.3 围护结构体变形20
• 2.4 基坑监测目的和要求20-22
• 2.4.1 深基坑监测的目的20-21
• 2.4.2 深基坑监测的基本要求及监测频率21-22
• 2.5 基坑监测预警22-23
• 2.6 深基坑监测的数据处理方法23-24
• 2.7 本章小结24-26
• 第3章 小波分析和灰色模型理论26-42
• 3.1 小波分析26-32
• 3.1.1 小波分析的发展26
• 3.1.2 小波变换26-27
• 3.1.3 小波基函数27-31
• 3.1.4 小波基函数的特点31-32
• 3.2 小波去噪32-34
• 3.2.1 小波去噪原理32
• 3.2.2 小波去噪在MATLAB中的实现32-33
• 3.2.3 小波去噪效果评价33-34
• 3.3 灰色系统理论34-37
• 3.3.1 数据生成34-35
• 3.3.2 GM(1,1)灰色动态模型35-36
• 3.3.3 灰色模型的精度检验36-37
• 3.4 小波优化的GM（1,1）模型37-42
• 3.4.1 小波优化的GM（1,1）模型37-38
• 3.4.2 实例验证38-42
• 第4章 基于小波优化的灰色BP神经网络理论42-56
• 4.1 人工神经网络42-43
• 4.1.1 人工神经网络概述42
• 4.1.2 人工神经网络的分类42-43
• 4.2 BP神经网络及其应用43-48
• 4.2.1 BP神经网络结构44
• 4.2.2 BP神经元激活函数44-45
• 4.2.3 BP神经网络的学习算法45-48
• 4.3 灰色BP神经网络48-50
• 4.4 实例分析50-55
• 4.5 基于小波优化的灰色BP神经网络模型55-56
• 第5章 基于小波优化的灰色BP神经网络模型应用56-68
• 5.1 实例分析工程简介56-57
• 5.2 基坑周边环境变形沉降监测57-64
• 5.2.1 GM(1,1)模型58-59
• 5.2.2 小波优化的GM(1,1)模型59-60
• 5.2.3 BP神经网络模型60-61
• 5.2.4 小波优化的灰色BP神经网络模型61-62
• 5.2.5 数据分析62-64
• 5.3 基坑变形监测桩底水平位移分析64-66
• 5.4 本章小结66-68
• 第6章 总结与展望68-70
• 6.1 本文研究工作总结68-69
• 6.2 展望与建议69-70
• 致谢70-72
• 参考文献72-75

【相似文献】

中国期刊全文数据库 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 付博;基于小波优化的灰色BP神经网络在深基坑变形预测中的应用[D];东华理工大学;2016年

2 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

3 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

4 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

5 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

6 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

7 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

8 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

9 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

10 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

，

本文编号：1011675