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(jì)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(diǎn)，以及目前在預(yù)測方法研究領(lǐng)域所廣泛研究的熱點(diǎn)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(diǎn)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(diǎn)，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(diǎn)，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(yùn)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(diǎn)和彌補(bǔ)自己的缺點(diǎn)。
　　 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(jī)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(diǎn)，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(qiáng)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(diǎn)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