关于沉降监测数据处理方法的探讨.docVIP

关于沉降监测数据处理方法的探讨 　　摘要：本文探讨了灰色神经网络的建模原理，通过GM(1,1)模型和等维信息灰色神经网络模型计算变形监测数据，包括等间距时间数据序列和非等间距时间数据序列，分析试验结果，灰色神经网络模型的结果精度高于灰色理论模型的精度。 　　关键词：灰色神经网络建模；变形监测数据预测；精度 　　Abstract：This paper introduces the principle and method of building grey neural network model. The observation data is processed and analyzed by this model, and the result shows that the grey neural network could offer a comparatively correct simulation and forecasting of deformation monitoring data in a series of situations such as small samples, poor information, and fluctuant data series, so that this model offers a new preferable method of deformation monitoring data processing which can meet the demand of application. 　　Key words：grey neural network model；deformation forecasting；precision analysis 　　中图分类号：TN931.3文献标识码：A 文章编号：2095-2104（2012） 　　1 引言 　　灰色理论模型属于一种非线性外推预测模型，它具有所需样本数据量少、建模灵活方便、预测精度高、可检验等优点，从而在社会科学和自然科学各领域得到广泛的应用。而神经网络模型具有并行计算、分布式信息存储、容错能力强、自适应功能等优点，在处理复杂的人工智能和非线性问题上显示出极其优越的地位。本文探讨的灰色神经网络模型是一种组合模型，它集中了灰色理论模型和人工神经网络模型二者的优点，通过灰色理论与神经网络模型有机的结合，从而能够对复杂的不确定性问题进行求解。将它应用于变形监测数据处理中，能够得到比较理想的计算结果。 　　2灰色神经网络算法 　　2.1 灰色预测模型GM(1,1) 　　灰色系统是指信息不完全、不确定的系统，灰色系统理论就是研究特征性灰色系统的量化问题，即研究系统的建模、预测、分析、决策和控制。灰色预测是灰色系统的重要组成内容，其三个基本环节为：模型的识别(建模)、参数估计和预测。参数估计是指由系统过去行为构成的数据序列反演，确定模型下一步预测参数的过程，称为灰色逆过程。参数确定以后就可以用灰色模型对目标进行预测、预报。灰色预测是近年来应用比较广泛的一种预测方法，灰色模型简称GM(Gray Model)模型，是以灰色模块为基础，以微分拟合法而建立的模型。目前常用的是GM(1，1)模型，其基本原理如下： 　　设有等间距原始数据序列，对此数据序列依次累加，得到一组新的数据序列，构造一阶线性微分方程 　　 （2-1） 　　根据最小二乘法可求得参数的值。微分方程的时间响应序列为： 　　 　　 （2-2） 　　的灰色预测值为： 　　 （2-3） 　　2.2 改进的灰色BP网络建模方法 　　灰色BP网络模型是通过灰色理论与神经网络模型有机的结合，从而能够进行求解复杂的不确定性问题。其建模方法如下： 　　（1）设有时间序列，利用GM（1，1）模型，可得模拟值， 　　设为残差序列，即：。 　　（2）建立残差序列的BP网络模型。 　　设预测阶数为S，即用的信息来预测时刻的值，将作为BP网络训练的输入样本；将的值作为BP网络训练的预测期望值。采用上述BP网络算法，通过足够多的残差序列训练这个网络，使不同的输入向量得到相应的输出量值。训练好的BP网络模型便可以对残差序列进行拟合和预测。 　　（3）确定新的预测值。 　　设对用BP网络模型预测出来的残差序列为，在此基础上构造新的预测值，即： 　　 （2-4） 　　3 沉降监测 　　3.1 概述 　　随着我国基础工程和城市建设的发展，越来越多的重大建筑以及高层建筑在我国不断兴起，这在客观上提出了如何保证这些建筑物施工和使用过程中的安全问题。重大或高层建筑不均匀沉降是危及建筑及其设施的安全使用重要因素。建筑的均匀沉降对建筑本身的安全来说，并不重