小波神经网络在建筑物地基沉降预测中的应用研究

《小波神经网络在建筑物地基沉降预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、辽宁工程技术大学致谢本文是在导师杨帆副教授的精心指导和关怀下完成的。在论文的选题、计划安排以及论文的写作过程中，导师都仔细斟酌，再三推敲，无不浸透着导师的心血。导师渊博的知识，敏锐的洞察力，严谨的治学作风，科学的研究方法，正直的为人和兢兢业业的工作精神，以及诲人不倦的态度给我留下了深刻的印象，并成为我今后学习和工作中的楷模，将永远激励我奋发向上。在此之际，谨向导师致以最诚挚的敬意和最衷心的感谢。特别感谢我的好友王国成给予指点和帮助，在论文进行的关键时期在论文具体问题上给了我许多有益的意见和建议。感谢同寝室的兄弟庞宇、关昊和周辉，以及我的同学和我的师弟们在我论文研

2、究期间的关心和支持。感谢我的父母对我完成学业的鼓励，感谢他们的理解与支持。感谢辽宁工程技术大学测绘与地理科学学院和研究生院各位领导、老师对我的支持和培养。感谢在百忙中抽出时间细心评阅本文的各位专家教授，也感谢我的参考文献中提到的作者们对我硕士论文的启迪和帮助。最后，我要衷心的对所有给予我指导和教诲的老师们、给予我帮助的同窗、朋友、家人表示深深的谢意。摘要随着国民经济的快速发展，高层建筑物日益增多。高层建筑，一方面可以缓解城市土地资源不足的问题；另一方面，若施工期间有严重的违规操作，导致建筑物地基基础和上部结构不平衡，建筑物将发生不安全沉降，给人民的生命、财产安全

3、埋下隐患。因此，变形监测有着十分的重要的意义。变形监测是获取变形数据的手段，其真正的目的是如何利用已经获得的变形数据作出判断，为施工决策提供科学合理的预测。有效地进行数据处理和建立精准的预测模型是将两者联系起来的纽带。本文以实测的建筑物地基沉降数据为对象，针对变形时序数据中存在随机误差干扰的问题以及传统小波神经网络中存在网络收敛速度慢、精度低的问题，从小波包阈值去噪算法和小波神经网络的理论出发，对传统小波神经网络在网络初始权值选取和学习算法方面进行改进，主要研究工作具体如下：（1）引入小波包阈值算法对变形监测所采集的数据进行去噪处理，来解决数据中存在噪声的问题。经

4、过预处理后的信号的信噪比有所提高，均方差减小，为后续的预测工作提供了更为精准的样本。（2）结合小波包理论和神经网络各自的优势，构建小波神经网络模型，并在初始参数选择和学习算法方面对其进行改进。改进后的小波神经网络的网络精度和绝对误差两个指标上均有所提高。（3）在选取网络初始参数时，将小波函数类型、小波时频参数、学习样本等也作为影响参数选取的因素，构成一种考虑多因素的初始值选取方法，来提高BP网络和传统的小波神经网络中存在的收敛速度和精度。（4）平衡输出层与隐含层权值调节量和输入层与隐含层权值调节量的巨大差别，以解决传统模型易陷入局部最小值、收敛速度慢及精度低等问题

5、，使预测值以更稳定的方式逼近实测值。关键词：小波神经网络；建筑物地基沉降监测；小波包阈值去噪；初始权值设置-I-AbstractWiththerapiddevelopmentofthenationaleconomy,theamountoftallbuildingsisincreasing.Ononehand,tallbuildingscanalleviatetheinadequacyofthecitylandresources.Ontheotherhand,ifthereisaseriousviolationoftheconstructionintheperiod

6、ofoperation,itwillcausetheinfrastructureandsuperstructuresofbuildingsimbalanced,andunsafedepositionwillbeoccuredtothebuildings.Anditwillendangerpeople'slivesandproperty.Sodeformationmonitoringisofgreatsignificance.Deformationmonitoringisakindofmeanstogetcredibledatas.Itsrealpurposeish

7、owtousethedatatoforecastfordecision-making.Processingthedataseffectivelyandestablishinganaccuratemodelisthebridgetocontactthetwoaspects.Aimingatdealingwiththeproblemsofrandomerrorsexistinthedeformationdatasandtheproblemsofslowconvergencepeedandlowprecisionexistsinthetraditionalwavelet

8、nerua