论文部分内容阅读
变形监测一直是工程建设中的一个重要环节,而变形监测的最终目的是通过对观测数据的分析建模然后对变形体的未来变形做出正确的预报,从而为工程提供施工预警,保证施工的安全进行,避免经济损失和人民生命危险。因此,对变形预测模型的研究意义重大。本文以混沌粒子群优化的BP神经网络在变形预测中的应用为研究对象,主要进行的工作如下:(1)对目前常用的几种变形预测模型进行研究,在分析其各自优势与缺陷的基础上重点研究了BP神经网络模型,探究了其缺陷产生的根本原因,并针对缺陷产生的原因确定了改进思路,即借助粒子群算法优化其权值和阈值。(2)研究了粒子群算法自身参数的改进对算法整体性能的影响,并借助MATLAB编程进行了仿真测试,仿真结果表明粒子群算法自身参数的改进能够在一定程度上提高算法的整体性能。进一步研究了粒子群算法改进传统BP算法的原理、步骤和不足,并针对其不足引入了粒子群算法的变异和混沌改进策略。(3)重点研究了混沌改进粒子群算法的改进思路,提出了一种嵌入式的混沌粒子群算法,通过仿真测试论证了该算法的优越性,进而提出了基于混沌粒子群BP神经网络的变形预测模型。(4)结合具体工程实例,借助MATLAB编程,选用传统BP神经网络和不同组合方式下改进的BP神经网络模型进行变形预测,通过预测结果的对比,分析,最终从实践上得出本文提出的混沌粒子群BP神经网络变形预测模型的适用性和优势。