基于组合人工神经网络的隧道变形预测模型应用研究.pdfVIP

维普资讯 第2期 广东土木与建筑 №．2 2O06年2月 GUANGD0NGARCHITECTURE CIVILENGINEERING FEB2O06 基于组合人工神经网络的隧道变形预测模型应用研究 陈 昱 (广州市建设工程安全监督站 广州510030) 摘 要 ：根据神经网络 的基本原理 ，提 出一种组合神经网络预测模型，并用于预测隧道变形，实际应用效果表 明 组合神经网络模型适应性更强，预测精度更高，是一种很有应用前景的变形预测手段 。 关键词 ：组合神经网络 ；变形预测 ；隧道工程 节点 i(或输入 i) 1 引言 到 节 点 的权 值 ，即 和节点 根据变形监测数据对监测对象未来的变形趋势 间的连接强度 。 进行预测 ．是土木工程变形监测数据分析的一项重 当 为正 值和 要内容。预测必须依赖于相应的预测模型进行 ．预测 负值时．分别表 模型可分为机理模型(确定性模型)和统计模型(随 示 激 励 或 抑制 图1人工神经元模型 机模型)两大类 ，当整个系统过于复杂而无法建立相 (对应于神经元的兴奋型突触或抑制型突触)。 应 的机理模型时，人们更倾 向于根据实际监测数据 神经元的内部 门限(阀值)为 Q，若 以 。=一1的 建立随机模型。常用的建模方法有回归分析法 、时 固定偏量输入表示，其连接强度取W=qj，则输入的 序分析法、系统辩识法 、灰色系统分析法以及人工神 加权总和可表示为下式 ： 经网络建模法等 ，其 中神经 网络建模法是一种灵活 S=∑W施一qj=∑ 施 (1) 性和实用性较高的新方法。 S通过转移函数 (激励函数)的f()处理，得到 处理单元的最后输出为 ： 2 人工神经网络的基本原理 (S) (∑ 筏) (2) 转移函数又称激励 函数 ，它是一个非线性函数 ， 人工神经网络是一个并行和分布式的信息处理 起非线性映射作用并限制神经元输 出幅度在一定范 网络结构．由一些并行运行的简单单元组成 。它模拟 围之 内．它描述了 自然界中生物神经元的转移特性 。 人脑神经细胞 的结构和功能，具有通过学习获取知 最常用的转移 函数有符号函数和S型函数两类 ： 识和解决问题 的能力 ．它在模式识别 、控制与优化 、 预测与管理以及通信等领域都得到了广泛应用。 y = {二。 3() 神经网络如同 自然界中的人脑 ，其功能在很大 y=f~s)=(1+e) (一oos∞) (4) 程度上取决于基本单元 (人工神经元)之间的连接 ， 将大量人工神经元按一定规则组合 ，就构成人 人们可以通过调整人工神经元之间的连接权值来训 工神经网络，根据学习算法的不同可以有多种类型， 练神经网络 ，使其具备某种特定的功能。 最常用 的是 BP神经网络 ，即误差反向传播 (Error 人工神经元也称节点 ，它只模拟 自然界中生物 BackPropagation)神经网络 。图2为 BP神经网络模 神经元的3个功能：