基于小波神经网络组合模型的高填方路基沉降预测.pdf

基于小波神经网络组合模型的高填方路基沉降预测 郭云开，崔晓如，李 亮 (长沙理工大学 交通运输工程学院，湖南 长沙 410004) 摘 要：利用小波变换 良好的时频局域化性质和神经网络的自学习功能，结合 S型成长曲线模型，建立了基于 小波神经网络的高速公路高填方路基沉降预测模型，该模型的应用避免了计算过程中各种人为因素的影响． 通过对汝(城)郴 (州)高速公路 K59+375~K59+445高路堤沉降现场监测数据 的学习、预测与检验 ，并与 S 型成长曲线模型和BP神经网络的预测结果相比较，结果表明，组合模型的预测精度高，与实际情况相吻合． 关键词：道路工程；沉降预测；小波神经网络；高路堤；BP神经网络；S型成长模型 中图分类号 ：U416．1 文献标识码 ：A Combinedforecastingmodelbasedonwaveletneuralnetwork forprediction ofhighfillsubgradesettlement GUO Yun-kai，CUIXiao～ru，LILiang (SchoolofTrafficandTransportationEngineering，Changsha UniversityofScienceandTechnology，Changsha410004，China) Abstract：Usingthenatureofgoodtime—frequencylocalizationofwavelettransform andthe self-learningfunctionofneuralnetworks，acombinedfreewayhighfillingsubgradesettle— mentpredictionmodelwithS-GrowthM odeliSestablished．basedonwaveletneuralnet— work．ThemodelisbasedonReal—timemonitoringdata，avoidingthecalculationofvarious humanfactors．ThroughRu—ChenfreewayK59+375～K59+445embankmentsettlement on—sitemonitoringdataofhighlearning，predictionandtesting，andwithS-GrowthM odel andBP neuralnetworkprediction，resultsshow thatcombinedmodelofwaveletneuralnet— workpredictionareaccurateandconsistentwiththeactualsituation． Keywords：roadengineering；settlementprediction；W avelet—ANN；highembankment；BP neuralnetwork：S-Growthmodel 近几年，我 国高速公路建设正处于快速发展 制．这两大问题都要求对高路堤沉降及时作出准 的扩张时期，高速公路正迅速向中西部地区延伸． 确预测．因此 ，开展高路堤沉降观测和沉降预测研 由于中西部地区地势起伏相对较大，出现了越来 究的必要性和现实意义就不言而喻． 越多的高填方路堤，所 以高路堤稳定与沉降控制 目前，计算路基沉降的方法包括两大类 ：理论 问题就越来越突出．高路堤 目前普遍存在两大技 计算方法和根据实测资料进行预测的方法．由于 术问题 ：一是施工期稳定控制；二是工后沉降控 引起路基沉降的因素众多，理论上准确地计算沉 降量存在一定的困难．而基于实测数据沉降预测 监测的后期，监测点的短时间变形较小，表现为一 方法的研究越来越多，常用的有统计分析(回归分