基于径向函数(rbf)神经网络的建筑物沉降预测

《基于径向函数(rbf)神经网络的建筑物沉降预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于径向函数(RBF)神经网络的建筑物沉降预测【摘要】RBF神经网络作为一种性能良好的前馈网络，具有更好的逼近能力和全局最优特性。本文采用了RBF神经网络的建模方法来对建筑物的沉降进行预测。实践表明，该模型预测精度相对较高，有很好的实际应用价值。【关键词】RBF神经网络；建筑物沉降；预测BuildingsettlementforecastingbasedonRBFneuralnetworkZhangZhen-lin，BaiHuai-mingLuXin(SurveyandDesignInstitute，Shan

2、dongYellowRiverJinanShandong250013)【Abstract]Asakindofgoodperformanceoffeedforwardnetwork,RBFneuralnetworkhasabetterapproximationabilityandglobaloptimalproperty.Thispracticeshowsthatthemodelpredictionaccuracyisrelativelyhigh,andhaveagoodpracticalapplication

3、value.【Keywords]RBFneuralnetwork；Subsidenceofbuilding；Prediction1.径向基函数神经网络1.1径向基函数神经网络原理。RBF神经网络一般是由输入层、隐层和输出层构成的三层前向神经网络，其拓扑结构可见下图1，输入层节点仅传递输入信号到隐层，隐层神经元一般采用高斯函数作为径向基函数，而输出层节点则通常是简单的线性函数。隐层节点的作用函数(基函数)将对输入信号在局部产生相应，也就是说，当输入信号靠近基函数中央范围时，隐层节点才会产生较大的输出信号，由此可

4、以看出该网络具有局部逼近能力，因此径向基函数网络又称为局部感知场网络［3］。1.2RBF网络建模。RBF网络用于非线性系统辨识和系统建模一般分为以下几个步骤。(1)选择恰当的学习样本。在许多文献中，系统辨识的学习数据都是用伪随机码激励系统得到，但在过程控制中，这是不适用的。无论采用什么方法得到的学习数据都必须遵循一条原则，即学习样本必须充分体现系统的工作状况。(2)学习样本数据的预处理。通常学习数据都应做归一化处理，同时由于在实时控制中采集到的数据含有噪声，因此有必要做有滤波的处理过程。(3)确定模型的阶次。

5、可以应用被建模系统的先验知识来确定，同时也可通过数据分析得到。(4)采用恰当的学习算法完成RBF网络的离线学习。(1)倘若系统是时变的，必须用递推算法对RBF网络进行在线校正。1.工程应用2.1工程概况。本工程工地位于山东省济南市，此处正在修建一个大型的农贸市场，正处于开挖基坑阶段。该开挖基坑东西方向长约55m，南北方向长约60m，开挖深度12.5m，安全等级为一级；基坑周围均为六层高的居民楼，且一楼均为一些商铺，环境相对偏僻。为了了解由于基坑的开挖对周围居民楼的影响状况，因而特别布设一些监测点来进行沉降观测

6、。本文所用数据主要是监测点1的实测值。2.2实测数据的预处理。本监测从2012年10月17日开始监测工作，至2013年1月4日结束。1点的监测样本数目为N=80,利用前75个沉降值建立径向基神经网络模型，后5个沉降值作为预测的实测参考值。沉降观测点安装在基坑周边建筑物的支柱上，在基坑开挖过程中定期观测其沉降值。通过对测点1各个时期的高程值进行一阶差分，得到沉降值。有以下数据可以看出，经过差分之后的数据序列成为相对平稳的序列，如表1所示。2.3RBF神经网络模型的预测。(1)为了更好地验证该预测模型在工程中的应

7、用效果，分别设计了2种方案来对沉降观测数据进行建模分析。方案一：RBF神经网络模型。方案二：传统的回归模型；最后给出各种方案的实验结果。(1)方案一：RBF神经网络模型。对选定的样本序列，根据建模阶段设定的误差目标误差和均方误差最小的原则，利用MATLAB神经网络工具箱提供的Newrb函数设计一个径向基网络，它可以根据设定的最大隐藏神经元的个数，自动增加径向基网络的隐层神经元的个数，直到均方误差满足为止。【4】然后再将满足要求的的径向基网络应用于后期阶段的仿真，进而计算出预测残差值。最后用建模阶段和预测阶段均

8、方误差来衡定其预测效果。预测效果(如下图1中Figure3，4所示)及分析如表2所示。(2)方案二：传统的回归模型。对选定的样本序列，根据均方误差最小的原则，利用MATLAB编程从阶数p=l开始到p=75自动搜索来确定回归模型的阶数，然后按照最小二乘参数法估计出各阶参数，同时计算出相应的系数值，然后计算出预测残差值，最后用建模阶段和预测阶段均方误差(其中为预测残差，k为预测期数)来衡定其预测效果。预