灰色多重修正模型與GSA-BP模型的建立及在形變預(yù)測中的應(yīng)用.pdf

1、近年來,采礦、交通等工程蓬勃發(fā)展,所形成的礦山邊坡、鐵路和公路的道路邊坡等規(guī)模之大、數(shù)量之多均是空前的。由于地質(zhì)條件復(fù)雜,這些邊坡在施工和運(yùn)營過程中都會(huì)因?yàn)楦鞣N原因產(chǎn)生一定變形,當(dāng)變形量超過一定限度時(shí),就可能發(fā)生人為地質(zhì)災(zāi)害,如何準(zhǔn)確預(yù)測預(yù)報(bào)坡體的變形趨勢一直是工程界的一個(gè)熱點(diǎn)難點(diǎn)。本文在研究現(xiàn)有變形預(yù)測模型的基礎(chǔ)上,根據(jù)數(shù)據(jù)源類型的不同,將預(yù)測模型分為統(tǒng)計(jì)型與非線性兩種。利用灰色理論模型、背景值積分優(yōu)化法、參數(shù)二次擬合估計(jì)法、等維動(dòng)態(tài)

2、約束法和分段殘差改正法構(gòu)建了統(tǒng)計(jì)型的灰色多重修正預(yù)測模型;利用BP神經(jīng)網(wǎng)絡(luò)模型、遺傳算法和模擬退火算法構(gòu)建了非線性的GSA-BP預(yù)測模型,并通過工程實(shí)例驗(yàn)證了這兩個(gè)模型的可行性。本文研究內(nèi)容及成果總結(jié)如下:
　　(1)在GM(1,1)模型建模初期,引入背景值積分優(yōu)化法和參數(shù)二次擬合估計(jì)法對模型內(nèi)部參數(shù)進(jìn)行優(yōu)化,在一定程度上提高了模型參數(shù)及算法的準(zhǔn)確性。
　　(2)為減弱數(shù)據(jù)序列長度對GM(1,1)模型的影響,使用等維動(dòng)態(tài)約束

3、方法對模型進(jìn)行優(yōu)化,實(shí)時(shí)修正模型的誤差趨勢項(xiàng),有效地提高預(yù)測值擬合程度。
　　(3)建立灰色多重修正模型后期,采用殘差修正法分段對殘差進(jìn)行灰色預(yù)測,進(jìn)一步優(yōu)化模型的誤差趨勢項(xiàng),結(jié)合已知預(yù)測結(jié)果組成灰色多重修正模型的最終預(yù)測值。
　　(4)非線性預(yù)測中,BP神經(jīng)網(wǎng)絡(luò)模型存在固有缺陷,利用遺傳算法的全局優(yōu)化特性和模擬退火算法的高搜索效率特征對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)、閾值和訓(xùn)練過程進(jìn)行優(yōu)化,較大程度上提高了預(yù)測結(jié)果的準(zhǔn)確性和穩(wěn)定性。