基于EKF的小波神经网络在变形预测中的应用.pdfVIP

第33卷第26期 山 西 建 筑 Vd．33No．26 2007年9月 SHANXIARCHITECTURE Sep．2007·15· 文章编号：1009．6825(2007)26—0015．03 * 基于EKF的小波神经网络在变形预测中的应用 蒋 霖文鸿雁周义高 摘要：提出一种新颖的用于变形预测的基于扩展Kalman滤波的小波神经网络学习算法，与BP算法相比，该方法具有 更好的收敛率和学习能力，并通过实例计算证明了该方法具有较高的精度和较快的计算速度。 关键词：小波神经网络，扩展Kalman滤波，变形预测 中图分类号：TPl83 文献标识码：A 资源、环境和灾害是21世纪人类社会可持续发展面临的三 物的变形预测之中‘2l。为此，文中将基于扩展Kalman滤波的小 大难题。人类对灾害的防治给予了极大的重视和关注。变形监 波神经网络算法应用到变形预测之中，利用扩展Kalman滤波具 测是国内外大地测量和防灾减灾领域一个十分关注的边缘前沿 有的收敛速度快、学习精度高，小波变换良好的局域化性质等特 课题。建筑物变形是一个十分复杂的非线性动态系统，传统的变 点来弥补BP算法的不足，以达到快速高效精确预测变形体变形 形预测方法很难揭示其内在规律，神经网络作为一种强有力的用 的目的。 于非线性动态系统预测和建模的工具，已经开始广泛应用于建筑 1 基于EKF的小波神经网络原理 表1 甲、乙项目中标后利润及概率值表 表2甲、乙项目中标后利润、概率值和效用值表 甲项目 乙项目 甲项目 乙项目 标后利润／力兀 概率 标后利润／万元 概率 标后利润／7i元 概率 效用值 标后利润／-)g元概率 效用值 800 0．6 500 0．5 800 0．6 1．0 500 0．5 0．9 100 0．1 300 0．3 100 0．1 O．5 300 0．3 0．8 —300 0．3 —100 0．2 ～300 0．3 O．0 —100 0．2 0．2 然后用对比提问法来确定效用函数，这里保持益损值不变， 采用期望值最大的原则进行决策。用MU甲和MUa分别表 而改变风险值，做法如下：如要确定U(500万元)=? 示甲、乙两项目效用值的数学期望值，计算如下： 问：在以下两种方案中，你选择哪一种? 1)肯定可得500万元；2)75％的可能性得到800万，而25％ 的可能性失去300万元，期望值为525万元。 显然，由决策准则知，投标人应该选择乙项目进行投标。 答：(2)太冒险了，选(1)。 5结语 问：若将上述(2)改为95％的可能性得到800万元，而5％的 从上面的论述可以看出，在工程项目风险管理决策中，决策 可能性失去300万元，期望值为745万元，你又如何选择? 者的个人主观风险偏好特性，对风险管理决策的影响重大。因 答：选(2)。 此，效用函数的确定就显得很重要。只要效用函数构建得当，效 问：若将上述(2)改为85％的可能性得到800万元，而15％ 用值能真