智能神經網絡及其在隧道運營期變形預測評估中的應用.pdf

1、變形監(jiān)測包括對變形體的變形現(xiàn)象進行持續(xù)觀測、對變形體變形性態(tài)的分析和對變形體的發(fā)展態(tài)勢進行預測及安全評估等內容。隨著信息化測繪的發(fā)展，變形監(jiān)測觀測手段由傳統(tǒng)的人工測量向基于衛(wèi)星定位、多傳感器、互聯(lián)網、移動通信等多項技術融合的物聯(lián)網模式的現(xiàn)代化監(jiān)測方式轉變，如何在多源海量監(jiān)測數(shù)據下對工程的安全狀態(tài)進行預測評估是目前面臨的最大挑戰(zhàn)。特別是受經濟條件及技術水平所限而修建的鹽水溝隧道，其運營安全關系到整個西氣東輸重點工程的順利進行，由于隧址環(huán)境

2、惡劣、地質條件復雜并且已存在多處安全隱患，其安全嚴峻狀況理應得到足夠重視。然而，目前我國仍沒有一部系統(tǒng)化的隧道安全評價行業(yè)規(guī)范，在實際中只能形成簡單框架型的評價思路，可操作性十分有限。因此，科學地研究隧道變形預測與安全評估顯得尤為重要。
　　文章以新疆西氣東輸管道——鹽水溝隧道變形監(jiān)測工程為依托，以變形監(jiān)測理論為基礎，以數(shù)據分析為核心，借助人工神經網絡與模型組合的優(yōu)勢，研究智能神經網絡在運營期隧道變形預測分析與安全評估中的應用，對

3、鹽水溝隧道變形監(jiān)測期間得到的大量監(jiān)測數(shù)據進行了分析評估，保證隧道的運營安全。在論文研究過程中，筆者深入研究了各環(huán)節(jié)的關鍵技術，主要工作如下:
　　1、針對標準BP算法的缺陷，研究動量-自適應學習速率算法、L-M算法及遺傳算法對標準BP的改進，將三種改進方法與標準BP算法進行仿真實驗對比分析，結果表明改進算法在收斂速度與擬合精度兩方面均顯著優(yōu)于標準BP算法。
　　2、將組合模型分成串聯(lián)型、并聯(lián)型與混聯(lián)型三種組合方式，設計BP神

4、經網絡組合器，將三種改進模型與組合器以混聯(lián)方式構建一種最優(yōu)的智能神經網絡模型—雙重BP神經網絡。實例分析表明，智能神經網絡組合模型能有效提高單項模型的擬合精度。
　　3、結合物聯(lián)網模式下的多傳感器融合隧道變形監(jiān)測工程特點與難點，從基于時間序列和基于隧道變形影響因素兩方面研究智能神經網絡在隧道運營期變形預測中的應用，解決微空間灰色系統(tǒng)多關聯(lián)因素下高精度隧道變形預測問題。
　　4、研究隧道安全評價多層次指標體系構建及指標度量方法