基因表达式编程在建筑物沉降预测中的应用研究.docVIP

基因表达式编程在建筑物沉降预测中的应用研究 　　[摘要]本文将具有高效的全局搜索能力和函数挖掘能力的基因表达式编程技术应用于建筑物的沉降预测。提出了基于基因表达式编程的建筑物沉降预测模型。并通过与灰色理论进行比较分析，发现基于基因表达式编程的建筑物沉降预测模型具有传统的预测模型无法比拟的优点：预测精度更高，且更加的方便。 　　[关键字]基因表达式 沉降预测 灰色理论 函数挖掘 　　[中图分类号] TP313 [文献码] B [文章编号] 1000-405X（2013）-3-304-2 　　1 引言 　　随着社会和现代城市建设的不断发展，高层建筑物及高层住宅越来越多。建筑物局部不均匀沉降可能会导致建筑物结构的变化，从而导致建筑物的倾斜，坍塌等事故的发生[1]。为确保建筑物的安全，对建筑物的沉降变形趋势预测便显得尤其重要。在建筑物沉降预测方面目前主要有回归分析、时间序列、灰色理论[2]、BP神经网络等模型。这些预测模型或多或少的都存在一定的局限性，回归分析模型的预报精度较大程度上取决于建模因子的选择是否恰当，该模型本质上是用某一确定的显式函数来表达变量间的关系，由于建筑物变形机理复杂，监测量影响因素众多，且相互间关系复杂，无法用确切的定量关系描述，因此很难建立顾及各因素的非线性数学监控模型；时间序列分析是根据单变量的时间序列，对其进行相空间重构，即重建其动力学特性，然后在相空间基础上进行预测，它主要针对长时间序列监测数据，模型与数据序列特点有关，因此很难针对特定数据构造合适的模型；灰色预测模型对原始数据要求较高，当原始数据序列波动较大，信息过于分散时预测精度往往降低；BP网络尽管具有高度的非线性映射能力和良好的自学习能力，且无需输入和输出数据之间的定量联系，但是计算结果受初值影响大，泛化能力及稳定性差，另外其权值的调节采用负梯度下降法，也不可避免地存在收敛速度慢和陷入局部极值等问题。针对这些问题，本文将具有高效的函数挖掘能力的基因表达式算法应用于建筑物的沉降预测，提出了基于基因表达式编程的建筑物沉降预测模型。通过对建筑物的沉降预测来了解建筑物的整体稳定性，从而确保建筑物的安全。 　　2 基因表达式编程算法（GEP） 　　基因表达式编程[3]（Gene Expression Programming，GEP）是葡萄牙学者Candida Ferreira在遗传算法（Genetic Algorithm， GA）和遗传程序设计（Genetic programming， GP）的基础上，于2001年正式提出的一种新的进化计算方法。GEP融合了GA和GP的优点[4]，在表达形式上，它继承了GA的定长线性编码简单快捷的特点，在基因表达上，它继承了GP的树形结构灵活多变的特点，用简单的编码解决复杂问题[5]。 　　2.1基因表达式的编码形式 　　GEP处理的对象是基因构成的染色体，基因是由线性的、固定长度的符号串组成的。基因的结构是由头部和尾部组成。头部包含函数操作符F（包括初等函数与运算符）和终结符T，而尾部仅能出现终结符。基因的头部长度h由具体的问题确定，尾部长度L与头部长度h的关系如下： 　　式中，n表示函数集中最大的操作目数（即可能的最多的参数个数）。 　　基因表达式编程的编码规则为：将K-表达式翻译成为表达式树（Expression Tree， ET），由上而下、从左至右的读取基因。 　　例如，假设函数符号集F={Q ，*，/，+，-}，终端符号集T={a，b，c，d}，则n=2，若基因头部长度h=6，则e=7，基因的总长度为13.如下所示的表达式为一个基因，其中黑体部分为尾部 　　0 1 2 3 4 5 6 7 8 9 0 1 2 　　Q * + - a b c d a b c d b 　　其对应的表达式树如图1所示 　　其对应的代数表达式如下所示： 　　基因尾部有部分编码没有在表达式中表达出来，即基因编码序列中存在非编码的区域，这部分称为中性区，它为进化保留了很大的空间。 　　2.2适应度函数 　　为了使种群得到高质量的进化，进化算法就必须评价个体的适应能力。为此Ferreira提出了两种评价模型[6]： 　　式中，M为常数，yj 为实际测量得到的准确值， 为由染色体解码后计算得到的估计值。（3）式为绝对误差的适应度函数，（4）式为相对误差的适应度函数。 　　2.3 染色体的遗传算子 　　染色体遗传过程中多样化的算子[7]是基因表达式编程解决复杂问题的根本保障。基本的遗传算子有：①选择，由适应度函数计算得到的结果，适应度越高的个体被复制到下一代中的可能性越大；②变异，可以出现在某个染色体的任何部位，如果发生在头部可以选择所有符号，否则只能选择终止符；③插串，从基因中随机选择一段插到头部除起始位