基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法在地鐵隧道施工中沉降預(yù)測

為了盡量減小由隧道開挖引起的地面沉降而帶來的風(fēng)險(xiǎn),需要在隧道施工過程中可靠地預(yù)測地表的變形量.該文采用改進(jìn)的方法來選擇平移和伸縮因子的初始值,利用小波神經(jīng)網(wǎng)絡(luò)分析預(yù)測隧道施工中的地表沉降量,并在預(yù)測中考慮了地表平均壓力、盾構(gòu)機(jī)平均穿透深度、填充泥漿度等外界因素對地表沉降的影響.結(jié)果表明,利用改進(jìn)的方法來選擇初始的平移和伸縮因子,提高了函數(shù)的逼真性能,并減小了估計(jì)誤差.

利用小波分析能夠逼近非線性連續(xù)函數(shù)和良好的局部化特性對bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn).結(jié)合bp神經(jīng)網(wǎng)絡(luò)的非線性映射和容錯(cuò)性等優(yōu)點(diǎn),將小波分析和bp神經(jīng)網(wǎng)絡(luò)相結(jié)合,并將其應(yīng)用于變形監(jiān)測的數(shù)據(jù)分析處理.本文通過bp神經(jīng)網(wǎng)絡(luò)模型和bp小波神經(jīng)網(wǎng)絡(luò)模型分別對樣本數(shù)據(jù)進(jìn)行分析處理,并對結(jié)果進(jìn)行對比,驗(yàn)證bp小波神經(jīng)網(wǎng)絡(luò)模型的優(yōu)越性.

為了分析深基坑的沉降規(guī)律,以某實(shí)際工程為例,利用bp神經(jīng)網(wǎng)絡(luò)對該工程的深基坑沉降數(shù)據(jù)進(jìn)行擬合和預(yù)測分析,采用c語言編寫程序進(jìn)行預(yù)測。結(jié)果表明,利用bp神經(jīng)網(wǎng)絡(luò)方法的預(yù)測結(jié)果合理,誤差在允許范圍內(nèi),滿足工程要求,并且對類似的工程施工具有指導(dǎo)作用。

為了預(yù)測高速公路路基最終沉降量,首先依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測最終沉降量模型.結(jié)合成都-南充高速公路沉降實(shí)測資料及其它文獻(xiàn)中大量路基沉降資料,利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測了其各自最終沉降量.通過檢驗(yàn)樣本驗(yàn)證,預(yù)測精度較高,能夠滿足實(shí)際需要.并對bp神經(jīng)網(wǎng)絡(luò)在公路建設(shè)中的應(yīng)用提出了一些注意事項(xiàng).

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡(luò)預(yù)測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預(yù)測模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點(diǎn)等缺點(diǎn)。結(jié)合現(xiàn)場實(shí)測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預(yù)測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比,結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜于廣泛推廣應(yīng)用。

針對傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn),提出了用附加動(dòng)量法、自適應(yīng)學(xué)習(xí)速率和l-m優(yōu)化算法等幾種算法進(jìn)行優(yōu)化。通過對比分析,證明了采用l-m優(yōu)化和附加動(dòng)量因子算法相結(jié)合取得了最優(yōu)的預(yù)測效果。該方法克服了bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點(diǎn)的缺點(diǎn)。結(jié)合現(xiàn)場實(shí)測數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比,預(yù)測結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜廣泛采用。

在對某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)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(huì)遇到預(yù)測結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時(shí)間較長的問題,提出采用matlab中的mapminmax函數(shù)進(jìn)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(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)間和預(yù)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(luò)在訓(xùn)練樣本時(shí)的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測結(jié)果與實(shí)測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測值則比較均衡,預(yù)測結(jié)果相對最佳.

針對bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的訓(xùn)練時(shí)間較長、完全不能訓(xùn)練或容易陷入局部極小值等問題,提出基于遺傳克隆選擇算法(cloga)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的流程,克服bp算法的一些缺陷。并通過湖北省人口預(yù)測問題進(jìn)行效果檢驗(yàn),得到滿意的結(jié)果。

bp神經(jīng)網(wǎng)絡(luò)是分析處理復(fù)雜非線性問題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對宏觀經(jīng)濟(jì)問題的研究中。本文有機(jī)地整合了計(jì)量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動(dòng)量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,加強(qiáng)了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測和控制中,取得了令人滿意的效果。

負(fù)荷預(yù)測是電力規(guī)劃的基礎(chǔ),傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法存在對初始網(wǎng)絡(luò)權(quán)值設(shè)置敏感、收斂的速度慢、容易陷入局部極小值等缺點(diǎn)。文中引入遺傳算法先對神經(jīng)網(wǎng)絡(luò)的初始值進(jìn)行優(yōu)化,再通過神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練,得出的結(jié)果再經(jīng)bagging方法集成,目的是提高其準(zhǔn)確率。通過matlab仿真進(jìn)行實(shí)驗(yàn),結(jié)果表明,基于bagging算法集成遺傳神經(jīng)網(wǎng)絡(luò),能夠克服傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)的缺點(diǎn),可較快收斂又不易陷入到局部極值中,具有較強(qiáng)的泛化能力,同時(shí)也大大提高了網(wǎng)絡(luò)的預(yù)測精度。

邊坡的實(shí)時(shí)變形一直是巖土工程界關(guān)心的問題,由于不同工程的條件不同,影響邊坡位移的因素較多,進(jìn)而使其變化趨勢復(fù)雜.為了得到邊坡位移與穩(wěn)定性的關(guān)系,采用bp神經(jīng)網(wǎng)絡(luò)算法與強(qiáng)度折減法綜合對土質(zhì)邊坡安全系數(shù)進(jìn)行預(yù)測.結(jié)果顯示:通過強(qiáng)度折減法計(jì)算出邊坡位移,并獲取較完善的bp神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù),當(dāng)?shù)螖?shù)達(dá)到足夠時(shí),完全可以忽略預(yù)測結(jié)果與實(shí)際結(jié)果的誤差；通過實(shí)際工程中的邊坡監(jiān)測數(shù)據(jù),然后由建立的bp神經(jīng)網(wǎng)絡(luò)能夠較為準(zhǔn)確的輸出邊坡的強(qiáng)度折減系數(shù),進(jìn)而得到相應(yīng)的安全系數(shù).

將bp神經(jīng)網(wǎng)絡(luò)用于電力負(fù)荷預(yù)測。給出了具體的數(shù)據(jù)處理方法、神經(jīng)網(wǎng)絡(luò)構(gòu)造及預(yù)測結(jié)果評價(jià)方法。在南京市夏季電力負(fù)荷統(tǒng)計(jì)數(shù)據(jù)集上面的實(shí)驗(yàn)結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)能夠?qū)﹄娏ω?fù)荷進(jìn)行較好地預(yù)測。

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(hào)線某區(qū)間地質(zhì)資料,建立了地表沉降預(yù)測的bp神經(jīng)網(wǎng)絡(luò)模型,并對網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和測試,測試結(jié)果表明,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行盾構(gòu)隧道施工的地表沉降預(yù)測是可行的,可用于工程實(shí)踐。

針對隧道工程施工網(wǎng)絡(luò)計(jì)劃執(zhí)行率低的現(xiàn)狀,將遺傳算法和神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合用于隧道施工網(wǎng)絡(luò)計(jì)劃的動(dòng)態(tài)優(yōu)化與決策?；谶z傳優(yōu)化和神經(jīng)網(wǎng)絡(luò)方案(模式庫、專家知識(shí)系統(tǒng))的優(yōu)化決策方法能使該技術(shù)在隧道施工的應(yīng)用更科學(xué)合理、準(zhǔn)確可靠和方便快捷。該技術(shù)不僅能解決施工網(wǎng)絡(luò)計(jì)劃的執(zhí)行率低的現(xiàn)狀,而且為信息化和智能化的隧道施工提供了有力的技術(shù)保障,具有廣泛的應(yīng)用前景。

bp神經(jīng)網(wǎng)絡(luò)算法具有很好的非線性推理能力及優(yōu)越的自組織、自適應(yīng)、容錯(cuò)性能。利用該方法對高層建筑地基沉降數(shù)據(jù)進(jìn)行分析,可不考慮地基沉降影響因素與沉降之間的對應(yīng)關(guān)系,而直接根據(jù)已知時(shí)間內(nèi)實(shí)際沉降數(shù)據(jù)構(gòu)建模型對未知時(shí)間的沉降進(jìn)行預(yù)測推理。將該方法應(yīng)用于西安市某高層建筑的地基沉降數(shù)據(jù)預(yù)測分析,并與多項(xiàng)式擬合方法的分析結(jié)果進(jìn)行對比可知,bp神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測推理能力更強(qiáng),應(yīng)用前景廣闊。

考慮到常規(guī)bp神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)解,所建立的網(wǎng)絡(luò)遺傳流量檢測模型檢測效率低,準(zhǔn)確率不高等問題,提出一種改進(jìn)型ga優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法,并使用其建立網(wǎng)絡(luò)遺傳流量檢測模型。常規(guī)遺傳算法在搜索過程中,往往會(huì)由于出現(xiàn)影響生產(chǎn)適應(yīng)度高的個(gè)體而對遺傳算法搜索過程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對常規(guī)遺傳算法進(jìn)行改進(jìn)。使用的方法是通過混合編碼方式進(jìn)行改進(jìn),同時(shí)對交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進(jìn)行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)研究,研究結(jié)果表明,所提出方法的檢測性能要明顯優(yōu)于常規(guī)算法,其對bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進(jìn)行同步優(yōu)化,避免了盲目選擇bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)帶來的問題,避免了常規(guī)bp神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的問題。

商品房的價(jià)格受多方面因素的影響,傳統(tǒng)的預(yù)測方法并不十分有效。為了探索新的房價(jià)預(yù)測理論模型,利用重慶市的數(shù)據(jù),驗(yàn)證了遺傳算法改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)房價(jià)預(yù)測的有效性,從而可以對房地產(chǎn)供求雙方及監(jiān)管機(jī)構(gòu)提供一定的參考。

由于風(fēng)能具有隨機(jī)性和間歇性的特點(diǎn),造成了其功率輸出的不穩(wěn)定,而大規(guī)模的風(fēng)電接入給電力系統(tǒng)的正常穩(wěn)定運(yùn)行和調(diào)度帶來影響。詳細(xì)分析影響風(fēng)電場輸出的因素,確定風(fēng)速、風(fēng)向正弦和余弦為影響風(fēng)電輸出最主要的關(guān)聯(lián)因素,采用統(tǒng)計(jì)預(yù)測方法將歷史實(shí)際輸出功率、風(fēng)速、風(fēng)向正弦和余弦作為bp神經(jīng)網(wǎng)絡(luò)的輸入矢量,并采用人工蜂群算法優(yōu)化得到神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,構(gòu)建abc-bp神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測模型。通過對某實(shí)測風(fēng)電功率進(jìn)行預(yù)測驗(yàn)證,結(jié)果表明:基于蜂群算法改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測,可以克服bp神經(jīng)網(wǎng)絡(luò)易于陷入局部極小的缺陷和不足,極大地提高了全局搜索能力以及預(yù)測的穩(wěn)定性和精度；同時(shí),將自適應(yīng)的選擇策略引入到蜂群算法優(yōu)化適應(yīng)度的選擇中,減少了網(wǎng)絡(luò)層參數(shù)的訓(xùn)練時(shí)間,提高了收斂速度。

進(jìn)度控制作為項(xiàng)目管理的主要內(nèi)容，如何對施工進(jìn)度進(jìn)行有效的預(yù)測將有重要的現(xiàn)實(shí)意義，應(yīng)用bp神經(jīng)網(wǎng)絡(luò)技術(shù)對工程進(jìn)度進(jìn)行預(yù)測，得到的預(yù)測值比線性方法更準(zhǔn)確，精度更高。

本文結(jié)合住宅房地產(chǎn)的價(jià)格理論和相關(guān)網(wǎng)站上的數(shù)據(jù),科學(xué)地選取影響商品住宅價(jià)格的影響指標(biāo)為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價(jià)格影響因素模型。依照bp神經(jīng)網(wǎng)絡(luò)預(yù)測的實(shí)現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡(luò)在預(yù)測?？谑猩唐纷≌瑑r(jià)格的應(yīng)用,得到2018年6月-2019年5月商品住宅價(jià)格預(yù)測值,對?？谑猩唐纷≌瑑r(jià)格的研究具有一定的指導(dǎo)作用。

利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個(gè)因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測試樣本點(diǎn)數(shù)據(jù)預(yù)測建筑能耗,與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),并通過實(shí)例驗(yàn)證了該網(wǎng)絡(luò)模型的準(zhǔn)確性。該方法使建筑人員在設(shè)計(jì)階段就能快速且準(zhǔn)確地獲得設(shè)計(jì)建筑的能耗。

文章通過分析調(diào)查影響自貢房地產(chǎn)市場的主要因素,基于bp神經(jīng)網(wǎng)絡(luò),結(jié)合自貢住宅市場的實(shí)際情況,建立兩類bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型:基于時(shí)間序列的趨勢預(yù)測模型、基于影響因素的回歸預(yù)測模型,預(yù)測了自貢房地產(chǎn)市場價(jià)格走勢。模擬預(yù)測2010年的結(jié)果證明了2011年房價(jià)預(yù)測的有效性,可為自貢城市建設(shè)的可持續(xù)發(fā)展提供有價(jià)值的指導(dǎo)意見。