基于灰色神经网络模型基坑变形预测研究.pdfVIP

2013年增刊 吴飞宇：基于灰色神经网络模型的基坑变形预测研究 189 中图分类号：P258 文献标识码：B 文章编号：0494旬9ll(2013)SODl89旬3 基于灰色神经网络模型的基坑变形预测研究 吴飞字 (蚌埠市勘测设计研究院，安徽蚌埠二33()()()) 摘要：结合灰包【：M(1，1)模型和BP神经网络模型各自的优缺点．建立灰色神经网络组合模型．并采用该模型时实际监测数据迸 i r处理干¨分析结粜表f|JI，版色神经网络充分发挥】，耿色模型和冲经网络模型的优势，取得丫较好的预测精度，能够满足实际l矗 川的需要 关键词：版包摸喇；版乜冲鲶网络；颅洲 一、引 言 二、灰色神经网络模型 随着我国社会经济的快速发展和城市规模的 1．GM(1．1)模型的建扛¨ 不断扩大，各项大型工程的建设也在蓬勃兴起，从 设有等时距原始数据序列J¨“=，J““(1)， 而带动了基坑丁程的快速发展基坑：Ii程具有面 Y““(2)．…，工“¨(，I)!，通过对工““依次累加生成的 ‘ 积大、深度大、造价高及施【‘：难度大等特．“，其稳定 新数列工。(厶)=∑-t”【i)．沟造．阶线性微分力‘ 性和安全性越来越受到全社会的普遍关注，因此变 j 形预测和预报成为一项|．分重要的丁：作‘，基丁． 程≮+似I：肛．根据最小：乘法可求得参数，， (¨ 基坑的结构类型、组成物质的物理学性质、外力作 和肚的值。微分方程的时问响f菠序列为 用的多变性和不确定性，很难建立合适的确定性模 型，为了寻找一种有效的方法，以对变形监测数据 王，(厶+1)：f．r…(J)一丛]c—w‘+ L “J 的内在结构和规律进行揭示，从而建立动态模型， 并预测未来的变化趋势，目前用于变形预测的模型 业(七：l，2，…．，1) (1) “ 有很多种!，如回归分析模型、时间序列分析模型、 对王。’(后+1)进行依次累减，最¨可得到的初始 灰色系统模型、神经网络模型、卡尔曼滤波模型、小 数据序列的还原值 波分析模型等。这些模型各有特点，适合不同的场 王‘o’(七十1)=王¨。(^．+1)一王¨’(七)(2) 所二灰色系统模型适合于“小样本、贫信息”等单一 通过GM(1，I)建模的整个过程可以看出，其原 的指数增长模型，对非线性和不确定因素的数据序 理是将非负原始序列作累加生成．使其呈现指数特 列进行预测；但是对于序列数据出现的突变和异常 性，并在指数函数类中找到，#成函数，建立微分方 情况难以处理，使得预测误差大幅度升高、神经网 程以逼近生成序列： 络模型具有并行处理