基于小波去噪的BP神经网络在变形监测中的应用

对沉降数据的准确预测不仅可以预知监测目标的变形趋势,还可以避免重大事故的发生.首先采用小波去噪的方法对沉降数据进行降噪处理,然后建立BP(Back Propagation)神经网络预测模型,利用实例数据进行实验验证,同时与未去噪的BP神经网络预测模型对比.实验结果表明,基于小波去噪的BP神经网络预测模型精度较未去噪的B...     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利...     

基坑变形小波去噪及BP神经网络组合预测模型研究

以某市轨道交通1号线地铁站基坑观测数据为例,开展了小波及BP神经网络预测模型的研究.首先采用小波阈值去噪方式对纵向观测线实际观测数据进行去噪处理,依据信噪比最高以及均方根最小判别原则进行判别,实验表明,小波1层分解、软阈值方式、sym4小波基函数、rigrsure阈值原则、scal=sln为最佳组合方式.然后,给出基坑...     

小波神经网络在高铁路基变形分析中应用研究

路基是高速铁路的轨道基础,是整个线路结构中最为薄弱的环节,对线路的平顺性、稳定性特别敏感,加强对高铁路基的沉降变形分析是确保路基工程施工质量和保障运营安全的重要环节。引入小波神经网络组合模型应用到高铁路基的沉降变形分析中,通过工程实例分析表明,小波神经网络组合模型预测精度较BP神经网络模型高,在高铁路基的沉降变形分析中具有更好的优越性和应用效果。     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。     

改进的BP神经网络在土石坝变形分析中的应用

在前人工作的基础上,针对传统神经网络存在收敛速度慢、易限于局部极小等问题,提出了几点改进措施,并将其应用到某水库土石坝变形观测资料的分析中,分析成果表明,改进的神经网络可以克服传统神经网络的缺点,很好地剔除粗差,使预测的精度和学习效率都有明显提高;充分证明了这一理论具有很强的实用性。     

遗传小波神经网络在变形预报中的应用

目前常用的变形预报方法有BP人工神经网络和小波神经网络,但是都存在收敛速度慢且易受局部极值的影响。针对这两种算法的不足,本文利用遗传算法的全局寻优特性,将遗传算法与小波神经网络结合,形成遗传小波神经网,将其应用于变形预报,取得了良好的效果;并将算法的预报精度、稳定性、有效区间及运算时间作为评价算法优劣的4个标准,对BP神经网络、小波神经网络及遗传小波神经网络进行对比,结果表明遗传小波神经网络具有明显的优势。     

基于BP神经网络的深基坑变形预测

建立深基坑变形监测数据处理的BP神经网络模型,采用双曲正切S形函数进行输入和输出层传递,选择批处理梯度下降法训练前向网络,并采用附加动量法和学习速率自适应调整进行改进,运用Matlab建立BP神经网络模型。预测结果表明,改进的BP神经网络模型预测精度更高,提高了学习速度并增加了算法的可靠性。     

小波神经网络在拦渣坝变形预测中的应用研究

针对单一模型很难准确预测拦渣坝变形大小的问题,介绍小波分析与神经网络有机结合的小波神经网络的基本原理,将其应用于某大型拦渣坝变形监测实例中,建立了拦渣坝变形预测的小波神经网络模型。通过将该模型与常规BP神经网络训练和预测结果的比较,可以看出小波神经网络在拦渣坝的变形预测中具有收敛速度快、预测精度高的特点。     

基于小波滤波的神经网络变形预测

运用小波滤波的的优越性,消除数据噪声,使数据更加的接近真实的数据和更具规律性,有利于我们对数据发展趋势的预测。对消噪后的数据,利用BP神经网络强大的学习能力建立预测网络。在建立网络时,输入样本为监测k时段序列k和第k-1时段变形量与再k-2时段变形量之差组成的二维向量,目标样本为小波滤波后的变形量。并与GM（1,1）。模型和回归模型进行了对比。     

人工神经网络方法(BP)在变形监测中的应用

变形模型的分析研究以及变形预测是变形监测的重要内容,常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络法以及变形的组合分析方法等,本文就人工神经网络方法从实际应用的角度出发,对工程实例进行了计算分析,得到了相应的变形分析模型并进行了变形的预测,试验结果说明:人工神经网络方法应用于实际工程的监测预测具有一定的实际意义。     

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。     

BP神经网络融合预报在深基坑监测中的应用

针对多传感器采集的多种变形信息,提出了利用BP人工神经网络的方法进行数据融合处理,以达到对变形体变形状况更加准确预报的目的.通过BP神经网络训练精确得到各种观测值权重,避免了人为主观因素的影响.利用该方法对多传感器数据进行横向预报可以实现对暂时损坏的传感器数据准确预测,保证数据的连续性.也可以采用该方法进行多传感器数据纵向融合预报.在广州某小区基坑综合监测项目中,预报结果与实际变形情况相吻合,取得了良好的效果.     

BP神经网络融合预报在深基坑监测中的应用

针对多传感器采集的多种变形信息,提出了利用BP人工神经网络的方法进行数据融合处理,以达到对变形体变形状况更加准确预报的目的。通过BP神经网络训练精确得到各种观测值权重,避免了人为主观因素的影响。利用该方法对多传感器数据进行横向预报可以实现对暂时损坏的传感器数据准确预测,保证数据的连续性。也可以采用该方法进行多传感器数据纵向融合预报。在广州某小区基坑综合监测项目中,预报结果与实际变形情况相吻合,取得了良好的效果。     

融合BP神经网络的组合模型地铁结构变形预测

基于误差平方和最小准则构建回归分析模型和时间序列模型的组合模型,采用BP(black propagation)神经网络优化其组合模型的预测结果,最终获得信息最大化的预测结果.将此方法应用于南京地铁某号线自动化监测,结果显示其预测精度高于任何单一模型,预测精度得到有效提升.     

基于小波神经网络的桥梁变形监测预报

小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度。从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码。通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生。     

地铁隧道结构变形监测控制网及其数据处理

由于地铁隧道结构变形监测控制网的特殊性,在变形数据处理过程中基准点稳定性判断是不容忽视的环节,通常稳定性判断是在室内数据处理时进行,为了优化变形数据处理过程,本文采用已有组合后验方差检验法进行基准点稳定性检验,并验证该方法的可靠性,在此基础上提出灵敏度的概念,即检验观测值出现多大变动时能被该方法检测出来,并测试出组合后验方差检验法的灵敏度。通过灵敏度的研究和应用可以现场进行稳定性分析,指导外业变形监测工作,提高观测结果利用率和数据处理效率。     

基于小波神经网络在滑坡变形监测预报中的应用

小波理论和神经网络的结合是小波分析在融入过程中产生出的一种新的神经元模型。通过隐含层中激励函数的选择,节点的确定,全面分析小波基函数的选取原则,形成新的预报模型,通过实例验证预报模型的可行性,并对对小波神经网络(WNN)在变形预报中的优点和收敛性进行总结。