LM-BP神經(jīng)網(wǎng)絡的高層建筑物沉降變形預測

為了提高變形監(jiān)測數(shù)據(jù)預測的精度與可靠性,以及提高人工神經(jīng)網(wǎng)絡預測方法的穩(wěn)定性,嘗試將小波分析與bp神經(jīng)網(wǎng)絡相結(jié)合的小波神經(jīng)網(wǎng)絡應用于高層建筑物沉降監(jiān)測數(shù)據(jù)處理中。綜合小波分析與神經(jīng)網(wǎng)絡算法的優(yōu)點,將良好的時頻局域化特性和神經(jīng)網(wǎng)絡理論的自學習功能相結(jié)合,建立高層建筑物的小波神經(jīng)網(wǎng)絡變形預測分析模型。通過實驗數(shù)據(jù)對比分析,小波神經(jīng)網(wǎng)絡用于高層建筑物沉降預測數(shù)據(jù)處理中可以得到更好的預測效果,預測穩(wěn)定性及預測精度較高。

基于人工神經(jīng)網(wǎng)絡強大的動態(tài)數(shù)據(jù)處理能力和學習能力，本文對應用bp神經(jīng)網(wǎng)進行建筑物沉降預測的方法進行了初步探討，并通過實例分析了該方法的可行性和實用性。

本文以高層建筑物沉降變形預測為主要研究目的,討論了gm(1,1)方法適用于單一指數(shù)增長模型、對預測序列數(shù)據(jù)異常情況難以準確預測的局限性,利用線性回歸適用短期預測的特點,提出了基于gm(1,1)與線性回歸組合預測高層建筑物沉降變形的方法;對組合模型預測精度起決定性作用的灰指數(shù)v和參數(shù)m進行了分析,給出了求解灰指數(shù)v和參數(shù)m的最優(yōu)值算法,最后利用組合模型對某高層建筑物沉降變形數(shù)據(jù)進行了解算,應用結(jié)果表明,該方法使預測結(jié)果更為可靠、準確。

建筑節(jié)能是當今城市建設和社會發(fā)展的前沿和研究熱點,對建筑的能耗現(xiàn)狀進行綜合分析與評估是進行節(jié)能改造或節(jié)能設計的前提和基礎,而建立反映能耗變化的預測模型是從宏觀尺度上分析認識建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對常規(guī)bp網(wǎng)絡算法收斂速度慢、易陷入局部最小點的缺點,采用了具有較快收斂速度及穩(wěn)定性的lm算法進行預測,構(gòu)造了基于bp神經(jīng)網(wǎng)絡的建筑物用電量預測模型。以某市公共建筑原始用電能耗統(tǒng)計數(shù)據(jù)作為樣本,并采用matlab對預測模型進行了仿真預測。結(jié)果顯示:誤差在允許范圍內(nèi)。

以bp人工神經(jīng)網(wǎng)絡模型為基礎,建立預測模型,以小區(qū)某棟建筑物1期～8期的沉降觀測數(shù)據(jù)為輸入數(shù)據(jù)和輸出數(shù)據(jù),對網(wǎng)絡模型進行訓練,并對9期～12期實際觀測值與預測值進行了比較,結(jié)果比較理想,從而驗證了采用bp人工神經(jīng)網(wǎng)絡模型進行建筑物沉降的預測是可行的。

基于神經(jīng)網(wǎng)絡在建筑物沉降預測中的局限性，許多學者對此進行了探討和研究，文中采用灰色理論中的等維新息思想構(gòu)建訓練樣本，建立了等維bp神經(jīng)網(wǎng)絡，通過采用matlab數(shù)學工具編程實現(xiàn)，對實際的沉降量進行變形預測。結(jié)合具體工程實例進行分析，實驗結(jié)果表明該模型比灰色gm（1，1）模型具有更好的預測效果，能夠滿足實際應用的需要。

根據(jù)建筑物實測沉降利用人工神經(jīng)網(wǎng)絡理論,建立了前饋網(wǎng)絡預測模型并提出新的學習算法,結(jié)合某建筑物糾偏工程實例對建筑物沉降進行了預測.預測結(jié)果表明神經(jīng)網(wǎng)絡方法是可行且有效的.

提出了根據(jù)實測數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡變形預測模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡變形預測模型,并給出應用實例分析。結(jié)果表明,神經(jīng)網(wǎng)絡應用于變形預測效果良好,具有一定參考價值和指導意義。

提出基于人工神經(jīng)網(wǎng)絡的基礎最終沉降的預測新方法,通過工程實例應用,在較短的實測資料情況下,可獲得較小誤差的最終沉降量,所建立的模型預測精度高。

變形監(jiān)測是安全化、信息化工程建設和管理的重要內(nèi)容,貫穿于建筑物設計、施工和運營整個過程.本文基于小波分析、bp神經(jīng)網(wǎng)絡、小波分析與神經(jīng)網(wǎng)絡結(jié)合的相關理論,借助matlab編程,建立了改進的bp神經(jīng)網(wǎng)絡、輔助式小波神經(jīng)網(wǎng)絡、嵌入式小波神經(jīng)網(wǎng)絡3種變形預測網(wǎng)絡模型.結(jié)合工程實測數(shù)據(jù),利用建立的3種模型,分別應用累積沉降和期間沉降不同模式數(shù)據(jù)進行預測.結(jié)果表明,兩種小波神經(jīng)網(wǎng)絡組合模型的預測效果明顯優(yōu)于單一的bp神經(jīng)網(wǎng)絡模型,具有更高預測精度和更快的收斂速度,且訓練樣本數(shù)目越多,模型精度越高,預測效果越好.

為解決建筑物基礎沉降量的安全監(jiān)測問題,對其進行有效的預測、校核與分析,運用matlab軟件建立徑向基神經(jīng)網(wǎng)絡模型對某市建筑物的基礎沉降量進行預測.結(jié)果表明:徑向基神經(jīng)網(wǎng)絡的結(jié)構(gòu)形式簡易,適應能力更強,預測誤差比bp網(wǎng)絡小,平均約為66.83%,達到預測精準度所需的耗時短、收斂速度更快.徑向基神經(jīng)網(wǎng)絡的預測結(jié)果與實測結(jié)果較為吻合,表明徑向基神經(jīng)網(wǎng)絡預測模型適用于建筑工程沉降預測領域之中.

介紹了基于matlab的徑向基函數(shù)rbf神經(jīng)網(wǎng)絡對于建筑物沉降預測的方法,討論了rbf神經(jīng)網(wǎng)絡的構(gòu)造思路、參數(shù)和分布密度spread的選擇。為建筑物變形監(jiān)測人員的數(shù)據(jù)分析、變形預測提供了一個可行的概念。

首先扼要介紹了高層建筑物實施沉降變形監(jiān)測的目的及意義,接著以某樓盤沉降觀測為例,重點闡述了該高層建筑物沉降監(jiān)測方案布設、外業(yè)施測及數(shù)據(jù)處理等內(nèi)容。并采用灰色系統(tǒng)理論等多種方法對沉降變形趨勢做出預測,得出灰色系統(tǒng)理論預測效果優(yōu)于其它方法的結(jié)論。

一般在高層建筑施工到投入使用的過程中,為了防止日后建筑產(chǎn)生下沉、變形、傾斜等危險變化,會對該建筑物或者群進行沉降變形檢測。這種檢測包含有三種觀測方式,分別為沉降觀測、傾斜觀測以及裂縫觀測。這三種觀測都是必要的,最后根據(jù)建筑的實際情況來完成變形情況的判定。一、建筑變形觀測計劃與步驟1.監(jiān)測建筑的地理位置此次觀測的建筑對象位于鄭州市,在一個物業(yè)園區(qū)內(nèi)部,在實驗觀測時還在進行施工建設。由于該小區(qū)是城市的新建項目,與其他的居民樓距離較遠,而且地形較復雜。本次要觀測變形情況的是小區(qū)內(nèi)的2號樓和4號樓,一共包括5個單元,建筑類型屬于公寓式住房。2.布置沉降觀測點的方位

采用comgis(組件式地理信息系統(tǒng))技術(shù)開發(fā)了結(jié)合專業(yè)震害分析模型的建筑物震害評估系統(tǒng),討論了基于bp人工神經(jīng)網(wǎng)絡和gis耦合模型的多層磚房震害預測.研究表明:水平成層土地震反應分析程序shake91在vb菜單下可直接調(diào)用,實現(xiàn)地震動影響場計算的模塊化;bp神經(jīng)網(wǎng)絡應用于建筑物震害預測中,能達到較理想的效果,其計算模型在系統(tǒng)菜單下可直接調(diào)用;系統(tǒng)的gis空間分析功能可使震害預測結(jié)果與建筑物信息進行空間匹配,實現(xiàn)地震災害損失快速評估.

根據(jù)盾構(gòu)施工引起地表沉降的具體問題,結(jié)合廣州地鐵三號線某區(qū)間地質(zhì)資料,建立了地表沉降預測的bp神經(jīng)網(wǎng)絡模型,并對網(wǎng)絡進行了訓練和測試,測試結(jié)果表明,利用神經(jīng)網(wǎng)絡進行盾構(gòu)隧道施工的地表沉降預測是可行的,可用于工程實踐。

利用人工神經(jīng)網(wǎng)絡強大的學習能力,提出了基于bp人工神經(jīng)網(wǎng)絡的建筑物沉降預測方法.以泉州市東海灣某實例工程1~12期的沉降觀測數(shù)據(jù)為基礎,建立網(wǎng)絡模型.將13~16期建筑物沉降的實測數(shù)據(jù)和模型的預測數(shù)據(jù)進行對比,發(fā)現(xiàn)兩者間的誤差相對較小,證明bp神經(jīng)網(wǎng)絡預測模型具有較高的精確性和穩(wěn)定性,且具有一定的工程應用價值.

基坑工程施工中,需要根據(jù)現(xiàn)場實際情況、周圍環(huán)境、建筑安全等級等對變形進行嚴格控制。通過對基坑實測變形數(shù)據(jù)進行整理和分析,對未來變形量作出預測,保證基坑安全。結(jié)合bp神經(jīng)網(wǎng)絡的高度非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡的基坑變形時間序列預測方法。在基坑開挖過程中,采取滾動預測的方法,不斷利用前期已有實測數(shù)據(jù)建模預測后期變形量,以實現(xiàn)信息化施工和動態(tài)控制。實例分析表明,bp神經(jīng)網(wǎng)絡模型具有較高的預測精度,并能獲得滿意的預測結(jié)果。

介紹了rbf神經(jīng)網(wǎng)絡的模型和結(jié)構(gòu),提出將該網(wǎng)絡應用于建筑物沉降預測。運用matlab工具箱函數(shù)建立了沉降預測網(wǎng)絡模型,編制了計算程序,通過工程實例驗證了該模型的正確性和可行性,并和bp神經(jīng)網(wǎng)絡在收斂速度上進行了比較,結(jié)果表明rbf神經(jīng)網(wǎng)絡的收斂速度遠遠快于bp網(wǎng)絡。

bp神經(jīng)網(wǎng)絡在基坑變形預測分析中的應用——本文提出了基坑變形預測與分析的bp神經(jīng)網(wǎng)絡方法，建立了基坑變形預測分析的模型，應用matlab語言編制計算程序進行計算并與實際工程監(jiān)測值進行比較，從而驗證了神經(jīng)網(wǎng)絡在基坑變形預測分析中的可行性、有效性?！　?/p>

在對某基坑工程采用bp神經(jīng)網(wǎng)絡模型預測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會遇到預測結(jié)果跳不出訓練樣本以及訓練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對bp網(wǎng)絡訓練算法進行了改進.研究結(jié)果表明:與常用的基于梯度下降原則相比,改進后的bp神經(jīng)網(wǎng)絡在訓練時間和預測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡在訓練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預測結(jié)果與實測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡的預測值則比較均衡,預測結(jié)果相對最佳.

提出一種采用bp神經(jīng)網(wǎng)絡算法來預測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡模型,預測結(jié)果表明,該模型有較高的預測精度,可作為預測沉降的一種新方法。