基于小波神經(jīng)網(wǎng)絡(luò)的建筑物沉降預(yù)測方法研究.pdf

1、隨著經(jīng)濟和城市社會的不斷發(fā)展，高層樓房、高架橋梁等高層建筑物迅速崛起，近幾年由于忽略地基安全沉降問題的監(jiān)測所帶來的事故頻頻發(fā)生，地基的安全沉降監(jiān)測已成為一個熱門的行業(yè)，地基的安全沉降問題也已越來越受到人們的廣泛關(guān)注，近幾年，為探索出一種有效的預(yù)測地基沉降的方法，許多學(xué)者從理論與實踐等多方面進(jìn)行了眾多的探索與研究，取得了一定的成效，但也存在著很多的問題與缺陷。而本文根據(jù)地基沉降觀測的特點，以及目前在預(yù)測方法研究領(lǐng)域所廣泛研究的熱點方法，采

2、用了小波分析、神經(jīng)網(wǎng)絡(luò)、智能優(yōu)化算法等方法，并對目前廣泛研究的一些智能優(yōu)化算法的缺點進(jìn)行了多方面的改進(jìn)與比較，通過改進(jìn)方法與傳統(tǒng)方法的實驗結(jié)果對比分析發(fā)現(xiàn)，本文的幾種改進(jìn)方法都取了較好的效果。
　　 本文以巖溶地質(zhì)條件下建筑物地基沉降數(shù)據(jù)為實驗研究對象，根據(jù)地基沉降觀測數(shù)據(jù)易混入噪聲的特點，首先用小波分析對地基沉降數(shù)據(jù)進(jìn)行處理，去除掉其中的噪聲，然后將去噪后的數(shù)據(jù)分為兩類，一類用于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，另一類用于神經(jīng)網(wǎng)絡(luò)的測試，并為改

3、善神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度和效果，采用了粒子群優(yōu)化算法、模擬退火算法、克隆免疫優(yōu)化算法、混沌優(yōu)化算法等常用智能優(yōu)化算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的參數(shù)。
　　 本文針對粒子群優(yōu)化算法易陷入局部最優(yōu)值和收斂速度慢等的缺點，進(jìn)行了多方面的改進(jìn)探索與研究，主要改進(jìn)方法有以下幾個方面：一是多算法混合優(yōu)化的改進(jìn)，多種算法混合起來共同優(yōu)化一個問題。任何算法都有它的局限性，單一算法更易暴露其自身的缺陷，而多種不同算法混合起來并行運行，共同優(yōu)化同一個問題，這樣就

4、能夠很好的相互吸引對方的優(yōu)點和彌補自己的缺點。
　　 二是多種群多策略的改進(jìn)方法。在該方法中種群劃分為多個子群，種群中的所有粒子根據(jù)自身當(dāng)前的適應(yīng)性，將其動態(tài)分配到不同的子群中，并對不同的子群采用不同的粒子更新策略，這樣就能夠避免傳統(tǒng)算法中整個種群采用統(tǒng)一更新公式的盲目行為，從而使算法有效避免陷入局部最優(yōu)值。
　　 第三種改進(jìn)方法是基于多樣性控制的思想。受多樣性控制思想的啟發(fā)，在該方法中對粒子群更新公式中的慣性權(quán)重的確定

5、方法進(jìn)行了改進(jìn)，慣性權(quán)重由隨迭代次數(shù)非線性遞減的函數(shù)和一隨機擾動項共同確定，這個擾動項具有動態(tài)自適應(yīng)調(diào)整的特點，它可以根據(jù)當(dāng)前粒子群的多樣性的好壞來動態(tài)的自適應(yīng)的調(diào)整幅度大小和范圍，即當(dāng)種群多樣性差的時候這個擾動項就會有一個大的值，這樣就會使慣性權(quán)重具有較大的值，大的慣性權(quán)重有助于算法進(jìn)行全局搜索，因而也就有助于使算法跳出局部最優(yōu)值；當(dāng)種群多樣性好的時候，這個擾動項就會小些，這樣就會使慣性權(quán)重具有一個較小的值，小的慣性權(quán)重有助于算法進(jìn)行

6、局部搜索，擾動項的存在可以使慣性權(quán)重在一個值附近進(jìn)行小范圍的左右擺動，能夠使算法在局部最優(yōu)值附近進(jìn)行精細(xì)搜索，從而能夠提高算法尋找到全局最優(yōu)值的速度和精度，因為通常全局最優(yōu)值總是在局部最優(yōu)值附近或離局部最優(yōu)值不會太遠(yuǎn)。同時為進(jìn)一步提高算法搜索的精度，在算法搜索過程中引用了具有較強全局搜索能力變尺度混沌搜索等算法。
　　 第四種改進(jìn)方法是多模型的改進(jìn)方法，即根據(jù)粒子的二階原點距將粒子劃分為不同模型，針對不同的模型采用不同的粒子更新