基于+BP+神经网络改进算法在地铁隧道施工中的沉降预测.pdfVIP

2015年6 月 城 市 勘 测 Jun.2015 第3期 Urban eotechnical Investigation Surveying No.3 - - - 文章编号：1672 8262（2015）03 148 04 中图分类号：P258，TU196.2 文献标识码：B 基于 BP 神经网络改进算法在地铁隧道施工中 的沉降预测 * 吴乃龙 ，周永领 （福州市勘测院，福建福州 350003） 摘 要：为使地铁隧道在施工中沉降监测数据具有一定的预见性，分别采用了BP 神经网络改进算法的预测模型、传 统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预 测。对其预测结果进行分析，得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序 列的三次指数平滑法模型预测精度的结论。 关键词：神经网络；时间序列；沉降监测；数据处理 1 引 言 的推测，有较高的预测精度。其常见的最速下降算法 随着中国经济的发展，各大城市化进程迅速加 虽然可使权值和阈值得到一个稳定解，但网络收敛速 快，导致人口在城市中的密度也跟随着极具上升，地 度慢、容易陷入局部最优，采用较高学习速率时，常常 不稳定、易震荡。文中采用经 - 面交通已越来越拥堵。地铁以其节能环保、运输量 Levenberg Marquardt算 大、高效快捷等特点，已逐步成为城市交通的主体。 法改善后的BP 神经网络建立预测模型，可克服传统 ［8，9］ 目前，中国的地铁建设正处于快速发展阶段。地铁 的BP 神经网络 学习效率低、易陷入局部收敛以及 隧道结构［1，2］是城市地下空间中复杂的公共交通系 高速学习速率不稳定等缺陷。 统，其高效运载高密度人群的特点使得安全运营显 由于误差性能函数可表示为均方差的形式，此时， 得尤为重要。 Hessian矩阵可近似表示为： ［3］ = T 在地铁隧道施工过程中的沉降监测 是一项不可 H J J （1） ［4］ T 或缺的作业内容，其数据的处理 和及时准确预报对 式中：J 为雅可比矩阵，其包含了网络误差函数 ［5］ 对于权值和阈值的一阶导数。 安全预警 、减少施工过程中的经济损失有着重大意 义。为此，文中就地铁施工过程中沉降监测数据运用 其梯度的计算式为： ［6］ T =