變形數(shù)據(jù)處理、分析及預測方法若干問題研究.pdf

1、變形分析及變形趨勢預測問題，不僅在工程建設及保障人民生命財產安全方面具有重要意義，就單純從技術理論的角度而言，它也是一個復雜的系統(tǒng)工程。隨著變形監(jiān)測技術的更新及工程實際的需要，如何引用先進的數(shù)學理論和分析方法來深入地了解變形的非線性、復雜性，就是本論文研究的重點所在。 本論文圍繞變形監(jiān)測數(shù)據(jù)處理的各個環(huán)節(jié)展開。研究成果和具體內容包括： (1)系統(tǒng)歸納了附加基準法進行監(jiān)測網(wǎng)平差的理論及計算過程，闡述了用該方法取代經(jīng)典控制網(wǎng)

2、平差的優(yōu)越性，研究和完善了附加基準法中考慮起算數(shù)據(jù)帶有誤差時的平差理論及方法，并推導出了具體的計算公式及進行了實例驗算。 (2)鑒于非線性監(jiān)測網(wǎng)平差最好能在非線性系統(tǒng)中進行的需求，本論文深入研究了遺傳算法的非線性全局尋優(yōu)特點及不同遺傳算子組合對計算的收斂速度帶來的不同影響，提出了最優(yōu)遺傳算子組合的確定方法；此外，提出了用單純形法取代遺傳算法中的交叉操作而形成一種收斂速度更快、計算精度更高的混合遺傳算法，并用測試函數(shù)及非線性控制網(wǎng)

3、平差實例驗證了用混合遺傳算法進行非線性優(yōu)化與傳統(tǒng)遺傳算法相比較具有的優(yōu)越性。 (3)現(xiàn)代變形數(shù)據(jù)分析與傳統(tǒng)數(shù)據(jù)處理的重要區(qū)別，就是要求建立動態(tài)、非線性預報模型。針對動態(tài)、非線性的傳統(tǒng)人工神經(jīng)網(wǎng)絡建模方法存在的缺陷，本論文研究采用了遺傳算法來改進神經(jīng)網(wǎng)絡算法，即用遺傳算法來優(yōu)化網(wǎng)絡參數(shù)。實例證明：這種改進算法的學習能力很強，可以高精度地逼近訓練樣本，預測效果好。 (4)Kalman濾波在減弱監(jiān)測數(shù)據(jù)受噪聲的影響、預測系統(tǒng)未