基于RBF神经网络的桥梁挠度数据恢复研究.pdfVIP

第 27 卷 　第 12 期 仪 器 仪 表 学 报 Vol27 No 12 2006 年 12 月 Chinese J ournal of Scientific In st rument Dec 2006 基于 RBF 神经网络的桥梁挠度数据恢复研究 胡顺仁 　陈伟民　章 　鹏 　符欲梅 　梁宗保 (重庆大学光电技术及系统教育部重点实验室 　重庆 　400044) 摘要 　本文以桥梁挠度数据作为研究对象 ,对其测量点进行了关联分析 ,并依据 RB F 神经网络强大的函数逼近能力 ,提出了一 ( 种基于神经网络模型来恢复不可靠测量数据的方法 。在仿真实验中 ,通过对比实验 该方法的均方误差为 2 E - 9 ,线性回归法 均方误差为 0 . 697 4) ,证实了该方法在理论和实践上的精确性和可行性 。 关键词 　挠 度 　关联分析 　RB F 神经网络 　非线性逼近 　数据恢复 中图分类号 　TP 183 　文献标识码 　A 　国家标准学科分类代码 　5 10 . 40 Research of bridge deflection restoring based on RBF neural net works Hu Shunren 　Chen Weimin 　Zhang Peng 　Fu Yumei 　Liang Zongbao ( ) Key L aboratory of Op toelect ronic Technology an d S y s tem , Chong qi ng Uni ve rs i ty , Chong qi ng 400030 , Chi na Abstract 　A novel met ho d ba sed on cor relation analy si s of bridge checking point s and t he RB F neural net wor k s i s p ropo sed for re storing abnor mal nonlinear deflection dat a . Co mp ared wit h conventional met ho ds (it s M SE i s 0 . 697 4) , t he p ropo sed app roach (it s M SE i s2e9) a ssure s high accuracy and t he t e st re sult s ac cor d wit h p ractice . Simulation re sult s verif y t he effectivene ss of t he p rop o sed met ho d and t he di scu ssed t he ory . Key words 　deflection 　correlation analysis 　RBF neural network 　nonlinear app roximation 　data restoring 和安装工艺等因素 ,挠度数据在采集和传输过程中会出 1 　引　　言 现异常 ,这些异常值一般 占到数据总量的 5 %左右[3 ] 。传