基于自适应模糊神经网络模型的边坡形变预测应用研究-大地测量学与测量工程专业论文.docxVIP

万方数据 万方数据 论文独创性声明 本人声明:本人所呈交的学位论文是在导师的指导下，独立进行 研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的 研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本论 文中不包含任何未加明确注明的其他个人或集体己经公开发表的成 果。 本声明的法律责任由本人承担。 论文作者签名: j_ l肉  问年 b 月 (7日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归 属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请 专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的 学术论文或成果时，署名单位仍然为长安大学。 (保密的论文在解密后应遵守此规定) 论文作者签名:J:. 吨 导师签名:豆雄?  )!ù l 年 i月 I( 日 YJ( 年 j 月 11 日 摘 要 由于边坡变形所造成的地质灾害往往会对人们的日常生活及工程建设造成很大影 响，因此边坡的变形预测成为近年来变形预测方面的一个重要研究方向，在对边坡变形 进行监测的同时，对监测数据进行分析，然后做出及时准确预测，能在很大程度上减少 灾害发生时造成的国家经济损失及人们的生命安全损失。本文在研究了已有的一些变形 预测模型的基础上，利用模糊集理论，结合 BP 神经网络模型，建立了自适应模糊神经 推理系统模型(Adaptive Neuro-Fuzzy Inference System)也称为基于网络的自适应模糊推 理系统 (Adaptive Network-based Fuzzy Inference System)，简称为 ANFIS，该模型同时具 有模糊逻辑的易于表达人类知识能力和神经网络的分布式信息存储及学习能力，融合了 模糊系统的语言推理能力和神经网络的学习机制能力，表现出很强的容错能力，具有很 好地适应性，本文探索性的将该模型应用到边坡工程实例中，并用采集的监测数据，验 证该模型在边坡变形预测中的可行性。本文的主要研究内容及成果总结如下： 1、简单介绍了目前常用的一些变形预测模型，重点讲述了 BP 神经网络模型的基本 理论、结构、算法以及流程。 2、详细介绍了模糊系统理论，以及模糊隶属度、模糊规则的选取，简单的介绍了 模糊系统工具箱的各中参数的应用，比较了模糊系统与 BP 神经网络的的优缺点，将两 种理论进行融合，建立了自适应模糊神经推理系统模型（ANFIS），并根据该模型的优 点提出了的它在变形预测中的适用性。 3、基于自适应模糊神经网络模型，本文选取了黑龙江鹤岗市华鹤煤化股份有限公 司大型煤化工基地边坡监测项目中深层水平位移的实测数据对模型进行验证，并对预测 结果和精度进行对比分析，证明了该模型在此边坡变形预测中的可行性。 关键词：变形预测，BP 神经网络，模糊系统，自适应模糊神经网络 I Abstract Because the slope deformation tends to cause great impact on peoples daily lives and the construction, the slope deformation prediction is an important research direction in deformation prediction. Therefore, while we monitor the slope deformation, analyze the monitoring data, and then make a timely and accurate prediction. It can largely reduce the losses of national economic and peoples life safety which are caused by disaster occur. In the paper, on the basis of studying some of the existing deformation prediction models, using fuzzy set theory, combining BP neural network model, proposing Adaptive Neuro-Fuzzy Inference System, also known as Adaptive Network-based Fuzzy Inference System, abbreviated ANFIS. This model combines the advantage of fuzzy system language reasoning abili