基于gep优化的神经网络在高层建筑变形预测中的应用研究

《基于gep优化的神经网络在高层建筑变形预测中的应用研究》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、’－－．．银哪苗，啼．。Ａ啼’。＇■、－，．；ｖｖ．芳．叮＇‘’．＞、．１＼‘＼＼一１＾ｊ．’＇廣誇‘与ｔ之乂旷於＇’、’戀心＾处．以，々＼父聲硕±学位论文Ｔｈｅ＇ｓｉｓｆｏｒＭａｓｔｅｒｓＤｅｇｒｅｅ＾＇＇■？＞；／／‘：，ＳｆＶ、鄭．【、－、？、．，－、＊‘，’＂－．‘‘■■１＇论文题目基于ＧＥＰ优化的神经网络在髙层建筑变形，公占Ｉ、＞‘Ｖ分心／；冷，、＇预测中的应用研究ｔ．—＾、二ＶＶ

2、Ｖ尿．＾．，、奔矿■‘—．”、——、）钟‘、＼，＾ＹＫ３（＇＾，、、‘？六ｌｔ、）Ｂａｓｅｄ０凸ＮｅｕＮｅｗｏｒｋｔｉｍｉｚａｔｉｏｎ＾ｉａｏｆＧＥＰＯｐ，）Ｖ＼＜ｒ‘’，／、．；＇．山Ｖｖ．ｆｒ．心申请学位类别全日制专业硕±＾＼＇－．测绘工程．．业名称．Ｖ：专‘許Ｉ研究生姓名＾—＾；县师抽名．取旅刘小生教授＼。＂＂若Ｉ＇‘’Ｉ。，／ＩＶ鸣的三‘、．‘；：則｜黎躬—－班作＾。五年十月＇．‘＇－．

3、‘’、表．．‘枠Ｖ＾ｖＶ如心Ｖ１：叫岭、’．‘－．－、：：１＇Ｖ．．＾４心於Ｈ４护分类号：密级：UDC：学号：硕士学位论文基于GEP优化的神经网络在高层建筑变形预测中的应用研究ApplicationinHigh-riseBuildingDeformationPredictionBasedonNeuralNetworkofGEPOptimization学位类别：全日制专业硕士作者姓名：钟涛学科、专业：测绘工程研究方向：变形数据处理指导教师：刘小生教授2015年12月31日江西理工大学硕士学位论文

4、摘要摘要随着社会的高速发展和人们不断地向城市聚集，城市土地越来越紧张，大量的高层建筑物也随之产生。高层建筑物的变形可能会导致灾害的发生，所以高层建筑物的安全问题显得格外重要。如果可以对高层建筑物的变形进行准确地预测，就可以有效地减少灾害带来的损失。但是，目前常见的预测方法应用于高层建筑物的变形预测都存在不足之处，导致预测精度不够。因此，如何准确地预测高层建筑物变形对减少灾害的发生有着重大的研究意义。本文首先阐述了人工神经网络和基因表达式编程（GEP）的国内外研究现状，并介绍了高层建筑物变形监测的相关理论及目前常见的

5、预测模型；其次，根据基因表达式编程原理，利用其简单的基因编码和强大的全局搜索能力，解决了径向基函数神经网络初始权值的选取和隐层中心向量（神经元）的个数难以确定的问题，提高了网络的收敛性和精度；然后，将GEP的优点应用于径向基函数神经网络，对网络进行优化，建立了GEP优化的径向基函数神经网络变形预测模型。最后，以陕西某高层建筑物为实例，将基于径向基函数神经网络的预测模型和基于GEP优化的径向基函数神经网络的预测模型应用于该高层建筑物沉降变形预测，并对两个模型的预测结果进行对比分析。结果表明，基于GEP优化的径向基函数

6、神经网络的预测模型比基于径向基函数神经网络的预测模型的预测值的精度提高了将近一倍，从而说明基于GEP的径向基函数神经网络的预测模型在高层建筑物变形预测领域更具有研究的意义和推广价值。关键词：高层建筑物；基因表达式编程；变形预测；径向基函数神经网络IAbstractAbstractWiththerapiddevelopmentofthesocietyandhumanbeingscontinuetoconvergetothecity.Thelandresourcesofcityarebecominglessandles

7、s.Alargenumberofhigh-risebuildingsaregenerated.Deformationofhighrisebuildingsmayleadtotheoccurrenceofdisasterssothatthesafeproblemseemstobeparticularlyimportant.Ifitispossibletoaccuratelypredictthedeformationofhigh-risebuildings,wecouldreducethedamagecausedbyt

8、hedisastereffectively.However,therearesomeshortcomingsinthedeformationpredictionofhigh-risebuildingswhichresultinthepredictionaccuracyisnotenough.Therefore,howtopredictthedeformati