概率神经网络在隧道变形位移预测中的应用.pdfVIP

第36卷 第4期 冶 金 自 动 化 Vol。36 No．4 2012年 7月 MetallurgicalIndustryAutomation Ju1．2012 · 人工智能技术应用 · 概率神经网络在隧道变形位移预测 中的应用 刘 宇 ，卢 宇 ，张玉欣。 (1．吉林铁道职业技术学院 铁道工程系，吉林 吉林 132001；2 吉林省机电研究设计院；3．北华大学) 摘要：将概率神经网络 (PNN)引入到隧道变形位移预测中，建立了非线性智能预测模型，并采用递推预报误差 (RPE)算法对PNN进行训练。以铜黄高速大田连拱隧道施工实地监测数据为样本对网络进行训练与预测分 析 ，仿真结果表明本方法训练速度快且预测值与实测值吻合度较高。 关键词：概率神经网络；递推预报误差算法 ；非线性系统；隧道变形位移；智能预测模型 中图分类号：TU454 文献标志码：A 文章编号 ：1000-7059(2012)04-0020-03 Applicationofprobabilisticneuralnetwork inthetunnel deformation displacementforecast LIU Yu ，LU Yu ，ZHANG yu．xin (1．DepartmentofRailwayTechnologyEngineering，JilinRailwayVocationalandTechnologyCollege， Jilin132001，China；2．JilinAcademyofMechanicsandElectronics；3．BeihuaUniversity) Abstract：ProbabilisticneuralnetworkiSintroducedintothetunneldeformationdisplacementforecast inthispaper．Nonlinearintelligentforecastmodelisestablishedandrecursivepredictionerror(RPE) algorithm hasbeen adopted totrainthe PNN network．ActualdataofDatian double—arch tunnelin Tonghuanghigh—wayareusedassampletotrain PNN andpredicttunneldeformation displacement． Thesimulationresultsshow thatthismethodhasafasttrainingspeedandahighgoodnessoffitbe— tweenforecastedandobservedvalues． Keywords：PNN，RPE，nonlinearsystem，tunneldeformationdisplacement，intelligentforecastmod— 1 0 引言 术实现隧道变形预测具有较大的现实意义。而概 为保障铁路列车安全运行及保护人民生命和 率神经网络(PNN)是一种适用于模式分类的径向 财产安全，隧道变形预测至关重要。以往通过观 基神经网络，由于结构简单、训练简捷因而被广泛 测资料建立隧道变形数学模型并对隧道实际工作 应用于模式识别与故障诊断中。本文作者将 PNN 状态进行分析的方法，不能充分反映隧道变形的 引入到隧道变形预测 中，并采用递推预报误差 非线性特征且预测精度不高…。 (RPE)算法对网络进行训练，经研究表明具有较 人工神经网络(ANN)的结构具有并行分布的 好效果。 特点，其信息存贮是通过大量神经细胞单元的分 1 PNN模型建立 布来