基于粒子群优化多组合模型的跨海大桥变形预测分析

发布时间：2023-10-18 19:59

　　跨海大桥的变形受众多因素的影响,例如风力以及波浪力等等。在变形监测工作中,我们不仅要对该类桥梁的变形情况做到实时监测,同时还要对大桥可能发生的变形情况进行研究,因此,本文选取某跨海大桥某处的变形点进行变形的预测分析。介绍了桥体的背景以及对大桥变形状况的数据采集工作,分别布设水平控制网和高程控制网,对水平及沉降变形进行监测,获得大桥的变形时间序列数据,选取QSC30点的沉降序列进行变形分析的研究;由于观测数据中难免存在观测误差,本文通过小波去噪的方式,选择rigrsure函数、硬阈值、根据第一层的系数估计的噪声水平对阈值进行调整的规则、对信号进行两层分解以及采用Sym7作为基函数进行去噪,再进行预测。应用GM(1,1)对序列进行分析,通过对GM(1,1)的研究,提出了改进的GM(1,1),通过该模型的预测结果与GM(1,1)对比分析,得出改进模型的预测精度得到较大提高的结论;由于GM(1,1)的背景值选取是通过取平均值的方式,这在一定程度上增大了模型的误差,因此需要对灰色预测模型的背景值重新选取。粒子群优化算法是一种寻优算法,通过该算法对背景值进行寻优,得到最优背景值,从而提高了模型的精...

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景和意义
    1.2 灰色系统理论研究现状
    1.3 BP神经网络的应用
    1.4 研究内容
2 跨海大桥变形监测方案设计及数据采集
    2.1 控制网的布设与观测
    2.2 变形数据采集
    2.3 本章小结
3 基于小波变换的实测数据去噪处理
    3.1 小波去噪基本原理
    3.2 小波去噪评价指标
    3.3 实测数据的去噪处理
    3.4 本章小结
4 灰色系统理论及改进的预测模型
    4.1 灰色系统的相关理论
    4.2 灰色系统预测模型
    4.3 预测模型的相关证明
    4.4 改进的灰色模型预测
    4.5 本章小结
5 基于粒子群优化的灰色预测模型
    5.1 粒子群优化算法的理论基础
    5.2 粒子群优化算法的应用分析
    5.3 粒子群优化改进灰色预测模型原理
    5.4 跨海大桥变形预测分析
    5.5 本章小结
6 基于粒子群优化的BP神经网络预测模型
    6.1 BP神经网络理论基础
    6.2 跨海大桥变形预测分析
    6.3 粒子群优化改进BP神经网络原理
    6.4 跨海大桥变形实例分析
    6.5 预测模型的精度对比
    6.6 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
致谢
硕士期间研究成果



本文编号：3855100