高层建筑物沉降监测

《高层建筑物沉降监测》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、高层建筑物沉降监测王观鹏陈建忠山东省国土测绘院摘要：主要采用小波神经网络法对高层建筑物的沉降进行监测，对小波神经网络模型的构建进行分析，同时结合威海市的高层建筑沉降值监测，确定小波神经网络监测法的准确度以及误差，通过分析发现，小波神经网络监测法具有更高的准确度以及较低的误差，适用于高层建筑物沉降的监测。关键词：高层建筑物;沉降;小波神经网络;作者简介：王观鹏（1983〜）,男，山东聊城人，工程师，从事大地控制及海洋测量研究。收稿日期：2017-06-15SettlementMonitoringofHigh-RiseBuildingWANGGuan-pengCHENJian-zho

2、ngShandongProvinceLandSurveyingandMappingInstitute;Abstract：Thispapermainlyadoptsthewaveletneuralnetworktomonitorthesubsidenceofhigh-risebuilding,analyzestheconstruct!onofwaveletneuralnetworkmodel,combiningwiththesubsideneemonitoringofhigh-risebuildinginWeihaicityatthesametime,determinestheac

3、curac)^anderrorofthewaveletneuralnetworkmonitoringmethod,throughtheanalysis,wefindthatthewaveletneuralnetworkmonitoringmethodhashigheraccuracyandlowererror,andissuitablefortallbuildingsubsideneemoniLoringKeyword：high-risebuildings;settlement;waveletneuralnetwork;Received：2017-06-151引言随着我国城市化发

4、展进程的不断加快，高层建筑己经逐渐应用于人们的牛活中,但是由于受到施工质量以及载荷等因素的影响，导致建筑物容易岀现沉降以及扭曲等现彖，监测建筑物沉降，可预测建筑物的变形。口前，多种因素的影响,会导致各种方式的预测均具有一定的局限性。但在小波监测法结合BP模型进行预测后，可有效提升预测精度［1］。2小波神经网络模型的构建小波神经网络具有局域化性质以及自学习功能，通过数学建模分析方式，采用函数的分析方法，可以将局域性特点以及神经网络相结合，使其具备较高的精确度及1。2.1学习算法分析在小波神经网络算法的分析中，其是建立在BP模型基础上的函数，其网络结构函数如式（1）所示：式中，D,为

5、i点的对角;R,为i点的旋转矩阵；©为允许条件下的函数，表示小波变换的过程;g（x）为网络结构函数；5为i点的旋转角度;心为第i个指标;x为指标平均值;g为频域窗口。为了寻找函数的计算方法，将样本组定义为式（2）:式中，Vi为i点的噪声向量;f（xj为i点的指标函数;Xi和yi分别表示i点的预测值和实际值。在小波变换过程中，将单个小波函数逆变换作为函数，则可以确定误差函数的偏导数如式（3）所示：式中，为误差;diag为单个小波函数逆变换的矩阵©为常数；巾是（1）经过小波变换后得到的函数。在小波分析法的应用中，由于旋转矩阵具有些许复杂性，因而在测定中，主要采用旋转矩阵分解以及简单组

6、合的方式进行计算，提升数据计算的准确性。2.2变形预测模型在小波神经网络的模型预测中，需要对时间序列进行综合预测分析，采用非线性的方式来选择指标[3],本次研究经过分析对比，最终确定计算结果。在数据计算的过程屮，对于具有m个模型的函数，其函数如式（4）所示:式中，y表示变形预测函数；巾表示各项观测值。通过对函数的预测，可以运用小波神经网络进行拟合分析，如式（5）所示:式中，xt（i）为第i中方法在t时刻的预测值;m为基个数；巾为各项观测值；（5为k点的旋转角度；et（x）为小波神经网络预测函数;氐、乩和山均为&矩阵的常'数项。如果序列之不是0,可以确定其映射如式（6）所示：式中，

7、x（t）为残差序列;f（t）为趋势项;y（t）为映射指标。通过对残差序列的分析，可以确定小波神经网络的预测值。2.3模型构建在小波神经网络模型的构建中，其改进了传统BP神经网络的速度慢以及稳定性差等特点，其主要步骤如下。1）在构建小波神经网络的过程中国，需要对网络参数进行初始化，其参数为伸缩因子、平移因子以及网络连接权重，分别赋值为弘、b和牡，并且需要赋以所及的初始数值。2）需要输入学习样本的矢量，其式中，X为学习样木矢量;X『表示不同观测点的观测值。在输入样木后，需要输入相应的