BP小波神经网络在地铁隧道变形分析中的应用
本文关键词:BP小波神经网络在地铁隧道变形分析中的应用,,由笔耕文化传播整理发布。
【摘要】:随着科学技术的进步,交通日趋复杂,为了缓解交通压力,地铁建设开始快速发展,地铁建设也成为了大都市发展的重要领域。为了确保地铁的安全运行,需要实时了解和掌握地铁隧道的变形情况,对地铁隧道结构中可能出现的安全隐患做处理,地铁隧道的变形监测变得至关重要。目前,在地铁隧道变形分析中应用较多的数据处理方法有:回归分析法、时间序列分析模型、灰色系统分析模型、卡尔曼滤波模型、人工神经网络模型等方法。本文主要应用的是BP神经网络,也是应用比较多的一种动态数据处理方法,它是在网络上调整权值和阈值的算法。BP神经网络在训练学习过程中,会存在一些问题,如模型收敛速度慢和容易陷入局部最小,需要针对传统BP神经网络做出一些改进,例如:附加动量法和自适应调整学习率,有效改善了BP神经网络的收敛速度和避免了出现局部极小点;利用小波函数对BP神经网络改进,再次提高网络的收敛速度以及避免局部极小点的出现;建立BP小波神经网络模型,对地铁隧道变形数据进行处理。本文在查阅大量的文献资料的基础上,首先阐述总结了变形监测的意义、地铁变形监测的目的和意义、地铁变形监测技术的发展概况及常用数据处理方法等;在小波分析理论中,描述了几种常用小波函数,例如,Harr小波函数、Daubechies小波、Symlets小波、Morlet小波函数、Mexican Hat小波等;其次详细的阐述了BP神经网络的基本原理、模型和算法;小波分析与BP神经网络的结合方式,原理、模型、算法;最后结合实例分析,利用MATLAB软件编写数据处理程序,对地铁隧道观测数据进行处理,对两种预测模型的结果进行对比分析。最后对本文进行总结概括,提出BP小波神经网络的不足和发展需求。
【关键词】:变形监测 BP神经网络 小波分析 BP小波神经网络模型
【学位授予单位】:东华理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:U231;U456.3;TP183
【目录】:
- 摘要3-4
- Abstract4-9
- 1 绪论9-15
- 1.1 地铁隧道变形监测的目的和意义9
- 1.2 地铁隧道的变形监测技术9-11
- 1.3 地铁隧道变形监测数据处理的方法11-14
- 1.4 本文研究的主要内容14-15
- 2 小波分析15-22
- 2.1 小波分析的发展15
- 2.2 小波变换的定义15-16
- 2.3 多分辨率分析和Mallat算法16-17
- 2.3.1 多分辨率分析16-17
- 2.3.2 Mallat算法17
- 2.4 小波基函数17-19
- 2.5 小波的分解与重构19
- 2.6 小波函数的选取19-21
- 2.7 本章总结21-22
- 3 BP神经网络及其应用22-35
- 3.1 人工神经网络的概述22
- 3.2 BP神经网络结构22-23
- 3.3 BP神经网络处理单元模型23-25
- 3.3.1BP神经网络处理的数学模型23-24
- 3.3.2 转移函数24-25
- 3.4 BP神经网络的学习算法25-28
- 3.5 BP神经网络的优缺点28-29
- 3.5.1 BP神经网络的优点28
- 3.5.2 BP神经网络的缺点28-29
- 3.6 BP神经网络的改进方法29-30
- 3.6.1 增加动量项的BP算法29
- 3.6.2 自适应调整学习率的优化算法29-30
- 3.7 算例分析30-34
- 3.8 本章总结34-35
- 4 BP小波神经网络模型及其应用35-54
- 4.1 BP小波神经网络的概述35
- 4.2 BP小波神经网络的分类35-36
- 4.3 BP小波神经网络的学习算法36-37
- 4.4 BP小波神经网络的模型37-39
- 4.5 BP小波神经网络的程序实现39-41
- 4.6 BP小波神经网络在地铁隧道变形分析中的应用41-53
- 4.6.1 模型的确定42-45
- 4.6.2 模型的训练和预测45-53
- 4.7 本章总结53-54
- 5 总结与展望54-56
- 5.1 总结54
- 5.2 展望54-56
- 致谢56-58
- 参考文献58-60
【相似文献】
中国期刊全文数据库 前10条
1 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];测绘工程;2012年02期
2 祖哲;毕贵红;刘力;郝娟;;基于小波神经网络的电力系统短期负荷预测模型研究[J];计算机技术与发展;2012年10期
3 霍禹同;;基于小波神经网络的电机自动控制研究[J];信息与电脑(理论版);2013年09期
4 江亚东,丁丽萍,夏克俭,李恪,陈因颀;基于小波神经网络的混沌模式提取[J];北京科技大学学报;2001年05期
5 陈农,贾区耀;用自适应小波神经网络辨识动态实验数据[J];飞行力学;2001年01期
6 张增芳,陈瑞中,齐保谦,陆英北;基于小波神经网络的心电数据压缩研究[J];广西工学院学报;2002年01期
7 任少龙,钟秋海,严承华;小波神经网络在装备研制费预测与控制中的应用[J];海军工程大学学报;2002年05期
8 董杰,马壮,吴云,李嘉林;遗传小波神经网络在飞机加油管路设计中的应用[J];机械科学与技术;2002年S1期
9 赵学智,邹春华,陈统坚,叶邦彦,彭永红;小波神经网络的参数初始化研究[J];华南理工大学学报(自然科学版);2003年02期
10 杨春玲,杨茂华,胡艳,戴景民;小波神经网络在多波长辐射测温中的应用[J];计量学报;2003年04期
中国重要会议论文全文数据库 前10条
1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集(2)[C];2009年
2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年
4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年
5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年
7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年
8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年
9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年
10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(下册)[C];2007年
中国博士学位论文全文数据库 前10条
1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年
2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年
3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年
4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年
5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年
6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年
7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年
8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年
9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年
10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年
中国硕士学位论文全文数据库 前10条
1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年
2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年
3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年
4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年
5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年
6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年
7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年
8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年
9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年
10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年
本文关键词:BP小波神经网络在地铁隧道变形分析中的应用,由笔耕文化传播整理发布。
本文编号:442027
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/442027.html