小波神經(jīng)網(wǎng)絡(luò)在沉降預(yù)測(cè)中的應(yīng)用研究.pdf

1、沉降監(jiān)測(cè)貫穿著建筑物設(shè)計(jì)期、施工期和運(yùn)營(yíng)期的整個(gè)過(guò)程，是不可忽視的問(wèn)題，工程技術(shù)人員都給予極大的重視和嚴(yán)格的分析。沉降預(yù)測(cè)方法很多，主要分為兩大類(lèi)，一類(lèi)是理論方法，一類(lèi)是基于實(shí)測(cè)數(shù)據(jù)的實(shí)測(cè)數(shù)據(jù)分析法。由于影響沉降的因素很多且具有不確定性，而各個(gè)因素對(duì)沉降的影響均表現(xiàn)在沉降數(shù)據(jù)上，因此第二類(lèi)方法得到了廣泛的應(yīng)用。本文針對(duì)傳統(tǒng)沉降預(yù)測(cè)模型應(yīng)用中存在的缺陷，研究了小波神經(jīng)網(wǎng)絡(luò)沉降預(yù)測(cè)模型，對(duì)基于傳統(tǒng)BP算法的小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了優(yōu)化并應(yīng)用于工程

2、實(shí)例中。主要研究?jī)?nèi)容如下： 1．研究了小波神經(jīng)網(wǎng)絡(luò)算法。對(duì)基于傳統(tǒng)BP算法的小波神經(jīng)網(wǎng)絡(luò)局限性進(jìn)行分析，引入了一種新的無(wú)約束優(yōu)化線(xiàn)搜索，并推導(dǎo)出新線(xiàn)搜索下的 DY-HS 雜交共軛梯度反向傳播算法來(lái)訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)，改善了基于BP算法小波神經(jīng)網(wǎng)絡(luò)易產(chǎn)生收斂于局部極小及速度慢的問(wèn)題。 2．探討了小波神經(jīng)網(wǎng)絡(luò)初始權(quán)值的自相關(guān)修正法。即將小波神經(jīng)網(wǎng)絡(luò)的初始參數(shù)設(shè)置和小波類(lèi)型、小波時(shí)頻參數(shù)和學(xué)習(xí)樣本等聯(lián)系起來(lái)的小波神經(jīng)網(wǎng)絡(luò)的初始參

3、數(shù)設(shè)置方法。該方法有別于傳統(tǒng)網(wǎng)絡(luò)初始權(quán)值的隨機(jī)賦值，提高了網(wǎng)絡(luò)的穩(wěn)定性及收斂精度。 3．優(yōu)化了小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。將新線(xiàn)搜索下的DY-HS雜交共軛梯度反向傳播算法和參數(shù)初始值的自相關(guān)修正法結(jié)合運(yùn)用，采用一種簡(jiǎn)單的變結(jié)構(gòu)方式來(lái)調(diào)節(jié)隱含層節(jié)點(diǎn)數(shù)，推導(dǎo)出改進(jìn)小波神經(jīng)網(wǎng)絡(luò)。改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)是對(duì)傳統(tǒng)基于BP算法的小波神經(jīng)網(wǎng)絡(luò)的優(yōu)化，有效克服了基于BP算法的小波神經(jīng)網(wǎng)絡(luò)存在的一些缺陷。 4．利用BP神經(jīng)網(wǎng)絡(luò)、基于BP算法的小波神經(jīng)網(wǎng)