基于APSOwM的BP神經(jīng)網(wǎng)絡及其在高鐵沉降預測中的應用.pdf

1、高速鐵路設計時速高，造價高昂，涉及眾多旅客生命安全，一旦發(fā)生事故其連帶損失將是不可估量的，所以高速鐵路對運行安全系數(shù)和軌道路基的穩(wěn)定性就會有十分苛刻的要求。鑒于此，為了維護高速鐵路正常、安全、高效地運行，對其路基進行沉降監(jiān)測及預報就顯得尤為重要。
　　與此同時，現(xiàn)有的諸多基于數(shù)理統(tǒng)計的數(shù)學模型，例如回歸分析模型、人工神經(jīng)網(wǎng)絡模型、灰色模型、時間序列模型等，它們結(jié)構(gòu)過于單一，且大多用于對大壩、基坑、山體滑坡的監(jiān)測中，在高鐵路基沉降監(jiān)

2、測領(lǐng)域應用不多，存在一定空白。這些模型對沉降數(shù)據(jù)非線性映射能力不強，收斂過程易陷入局部極小,因此研究多種模型相結(jié)合的方法，建立完善的高鐵路基沉降預測數(shù)學模型才是重中之重。本文從上述思路出發(fā)，引入具有極強的非線性映射能力的BP神經(jīng)網(wǎng)絡，以及具有很好尋優(yōu)能力的自適應變異粒子群優(yōu)化算法(APSOwM)，并將鄰域影響因子引入該算法，研究了APSOwM算法與神經(jīng)網(wǎng)絡相結(jié)合的優(yōu)化模型(APSOwM-BP模型)，并將多種BP神經(jīng)網(wǎng)絡優(yōu)化模型應用于高鐵

3、沉降監(jiān)測數(shù)據(jù)預測并對比分析。
　　本文研究成果如下：
　　1)對粒子群優(yōu)化算法及神經(jīng)網(wǎng)絡理論進行了研究。研究發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡具有高度的非線性映射特性，對非線性數(shù)據(jù)的預測具有很好的效果，但是單一的BP神經(jīng)網(wǎng)絡模型極易陷入局部極小值，且網(wǎng)絡各層連接權(quán)值和閾值的初始值具有隨機性，導致收斂速度慢，進而其并不能對高鐵路基沉降量進行準確預測。
　　2)將自適應變異策略以及鄰域影響因子引入粒子群算法中，使粒子速度的更新受到鄰域最優(yōu)

4、粒子的影響，與此同時根據(jù)種群平均粒距，對適應值最小的幾個粒子執(zhí)行變異操作從而使粒子群算法能夠跳出局部極小點，達到最優(yōu)值。
　　3) APSOwM優(yōu)化算法用以對BP神經(jīng)網(wǎng)絡各層連接權(quán)值和閾值進行優(yōu)化搜索，建立自適應變異粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡組合模型(APSOwM-BP)。利用MATLAB軟件編制該模型程序，并應用于某高鐵路基沉降監(jiān)測與預報中，同時與單一的BP神經(jīng)網(wǎng)絡模型、標準PSO算法優(yōu)化的BP網(wǎng)絡模型(PSO-BP)應用實例和改