基于改进遗传神经网络的地表沉降预测.pdfVIP

第４８卷第１０期山西建筑Ｖｏｌ．４８Ｎｏ．１０

·１５２·２０２２年５月Ｍａｙ．２０２２

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２２．１０．０３９

ＤＯＩ：

基于改进遗传神经网络的地表沉降预测★

１１２１１

孙瑞，张波，张文胜，桑学文，王辉

（１．北京市轨道交通设计研究院有限公司，北京１０００６８；２．石家庄铁道大学交通运输学院，河北石家庄０５００４３）

摘要：为预测由隧道施工引起的地表沉降，提出了一种改进遗传神经网络模型。对遗传算法进行了改进，在锦标赛法的基

础上，根据适应度递增顺序对每代种群进行排序，提出了“等级选择法”。以用“等级选择法”作为选择算子的遗传算法确定了

ＢＰ神经网络模型的初始值，建立了改进遗传神经网络模型。通过工程监测数据进行了验证，结果表明，改进遗传神经网络模

型对地表沉降的预测精度最高，从而证明了“等级选择法”的有效性。

关键词：地表沉降预测；遗传算法；等级选择法；改进遗传神经网络模型

中图分类号：Ｕ４５５文献标识码：Ａ１００９－６８２５（２０２２）１０－０１５２－０５

文章编号：

［１］

地表沉降是影响隧道施工安全的重要因素，威胁Ｓｔｅｐ１初始种群ｏｌｄＰｏｐ列数为Ｐ＋１，行数为种群内

ｂ

［２］

到施工人员的安全，可能造成严重的后果，准确的预测个体数量Ｎ。

地表沉降具有重要的意义。国内许多学者对沉降预测方Ｓｔｅｐ２按适应度值递增顺序，将种群内个体排序，得

法进行了研究，目前预测沉降的方法有经验分析法、概率到ｃｅｎｔｅｒＰｏｐ。

积分法、数值模拟法、时间序列分析法、人工神经网络法Ｓｔｅｐ３按适应度值大小，排好序的个体分为差、中、良、

［３－５］［６］

等。赵紫龙利用基于小波分解的差分灰色神经网优四级，选择概率分别为Ｐ，Ｐ＋，Ｐ＋２，Ｐ＋３，选择

００δ０δ０δ

络———ＡＲ模型对隧道沉降进行了预测，并证明了预测的出来的个体数量分别为ｎ＝Ｎ／４×Ｐ，ｎ＝Ｎ／４×

ｃｈａ０ｚｈｏｎｇ

［７］

准确性；李翔宇等基于上海地铁实测数据，利用粒子群（Ｐ＋），ｎ＝Ｎ／４×（Ｐ＋２），ｎ＝Ｎ／４×（Ｐ＋３），此

δδδ

０ｌｉａｎｇ０ｙｏｕ０

算法对ＢＰ神经网络进行了优化，运算速度快且预测精度时，候补个体数为ｎ＝Ｎ－ｎ－ｎ－ｎ－ｎ。

ｈｏｕｂｕｙｏｕｌｉａｎｇｚｈｏｎｇｃｈａ

［８］

佳；张士勇等利用深度学习小