基于人工神经网络的隧道监测数据预测模型仿真研究

《基于人工神经网络的隧道监测数据预测模型仿真研究》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、分类号：THl210710．0725039滚害犬海硕士学位论文基于人工神经网络的隧道监测数据预测模型仿真研究导师姓名职称申请学位级别林敏王海英副教授工学硕士学科专业名称机械设计及理论论文提交日期2010年5月26日论文答辩日期2010年6月8日学位授予单位长安大学答辩委员会主席学位论文评阅人李天石教授郝迎吉教授司癸卯副教授ThestudyofmodelsimulationofdatamonitoringpredictionforHighwayTunnelbasedonneuralnetworkADissertationSubmittedfortheDegreeofMasterCand

2、idate：LinMinSupervisor：AssociateProf．WangHaiyingChang’anUniversity,Xi’an，China论文独创性声明本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表的成果。本声明的法律责任由本人承担。论文作者签名：林臀疋20lo年D占月D?日．论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校。学校享有以任何方式发表、复

3、制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为长安大学。(保密的论文在解密后应遵守此规定)论文作者签名：导师签名：2DfD年D‘月D9日)‘卜年乇s其哆日．步艇张缉椭泐摘要人工神经网络是一种模拟人类神经系统的数学模型，它能够揭示数据样本中蕴涵的非线性关系，并且是由大量处理单元所组成的自适应动态系统，它具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力，可灵活方便的对复杂系统进行建模。本论文以柞小高速回龙至镇安三个标段的三条隧道为研究对象，采用BP神经网络技术建立隧道监测数据的预测模型来实现对隧道变形趋

4、势进行预测。首先，本文建立了基于ANSYS的隧道有限元分析计算模型，进行了隧道结构受力计算，为隧道结构安全监测传感器的布设提供了参考。理论计算结果和现场监测数据进行比较，数据接近，验证了模型的准确性。其次，本文在对BP神经网络理论进行分析研究的基础上，通过综合比较不同的网络结构和不同算法条件下建立的神经网络模型，建立基于BP神经网络的监测数据的预测模型，将利用该预测模型得到的结果和现场得到的监测数据做比较，表明该模型的预测效果较好，并能保证网络的良好的泛化能力。本论文的研究成果可以对所监测的隧道结构参数变形趋势进行预测。这对正确掌握围岩变形规律及时进行维护具有重要意义，为隧道的安全施

5、工和运营提供有效的参考，具有一定的工程使用价值。关键词：隧道、有限元分析、神经网络、预测ltAAj碍?营一ABSTRACTArtificialneuralnetworkisamathematicsimulationmodelofNeuroSystem．Itcanrevealthenon-linearrelationofthedatasample．Itisanadaptivedynamicsystemmadeupofmuchmoreprocessingunits．So，itisinthenatureofgreatadaptation，self-organization,goodperf

6、ormanceoflearning，reflexassociationfault—toleranceandnicecapacityofresistingdisturbance．Itiseasytomakemodelofcomplexsystems．ThispapertakesthreetunnelsofthreebidsectionsoftheZaXiaohighwaybacktoZhenAnasaresearchobject，andconstructthemodelofmonitoringdatapredictionusingbpneuralnetworktechnologytor

7、ealizethepredictionoftunneldeformationtrend．Firstofall，thispaperbuildstheFEManalysiscalculatemodelbasedonthesoftwareANSYS，givesareferenceforlayoutoftunnelsafetymonitoringsensor．Bycomparingthetheroyresultwitllthemonitoringdataonthe