论文部分内容阅读
变形分析及变形趋势预测问题，不仅在工程建设及保障人民生命财产安全方面具有重要意义，就单纯从技术理论的角度而言，它也是一个复杂的系统工程。随着变形监测技术的更新及工程实际的需要，如何引用先进的数学理论和分析方法来深入地了解变形的非线性、复杂性，是目前变形预报研究的热点问题。
目前，在变形研究的理论领域，除了经典的分析方法以外，随着控制论、信息论、运筹学、系统动力学、模糊数学和灰色理论等构成的系统科学体系兴起，特别是随着计算机技术的发展和提高，使得各种理论和方法为变形分析和变形预报提供了广泛的研究途径。近十几年发展起来的神经网络理论是一门迅速兴起的非线性科学，它试图模拟人脑的一些基本特性如自组织、自适应、容错性等，尤其在处理信息十分复杂，背景知识不清楚，推理规则、不明确的问题，更能显示其独特的优越性。人工神经经网络是在物理机制上模拟人脑信息处理机制的信息系统，它不但具有处理数值数据的一般计算能力，而且还具有处理知识的思维、学习、记忆能力。它采用类似“黑箱”的方法，通过学习和记忆而不是假设，找出输入、输出变量之间的非线性关系，在执行任务和求解时，将所获取的数据输入给训练好的网络，依据网络学到的知识进行网络推理，得出合理的答案与结果。
在变形分析中，由于变形观测数据会受到随机因素、模糊性因素及信息不完整性等等因素的影响，使变形诊断及变形预报的正确性也会受到影响。变形分析及预报中的许多问题是非线性问题，变量之间的关系十分复杂，很多变形的实际问题难以用确切的数学、力学模型来描述。而神经元中的传递函数本身可以选用非线性函数，因而它能处理非常复杂的非线性问题；神经网络具有自适应的能力，它能够通过训练，获得隐含在样本数据内部的输入与输出之间的隐性关系；神经网络还具有联想、记忆及模式匹配的能力，能够存储学习过程中的经验知识，然后将此信息与实测数据进行模式匹配与比较；神经网络具有抽取、归纳的能力，它能够滤除噪声影响，抽取事物本身的内在特征；神经网络的运动轨道总是朝着能量函数减少的方向，最终达到系统的稳定平衡点——能量函数的极小点，该点对应着预报优化问题的极小值。神经网络采用并行分布存储的方法将通过样本学习得到的知识来调整网络的权值，决定了知识的处理也是并行分布和存储的，这对于定性、定量或不确定性问题具有很强的鲁棒性，同时也使快速处理复杂的优化问题成为可能。因而，用神经网络理论对变形数据进行分析处理和变形趋势预测，是具有较大的优越性的。
本文在分析、总结了近年来国内、外对神经网络预报应用的研究成果的基础上，对基于人工神经网络的变形预报方法进行了研究，所做的主要研究工作及取得的成果如下：
(1)较全面地归纳、总结了前人在变形预报方面的最新研究成果，并对各种方法进行了比较分析。
(2)将神经网络理论应用到变形预报当中，运用BP、RBF和Elman神经网络变形观测预报方法，以MATLAB神经网络工具箱为技术支持，编程实现变形预报过程，在实际预测精度、预报所需时间等方面对三种方法进行比较，指出各方法之间的联系与区别。
(3)引进运筹学与管理科学中的L1最小范数组合预测法、IOWA算子组合预测法，提出基于神经网络模型内部组合及与其他模型组合的变形观测数据预报方法，并将其与单一模型的预报结果进行比较，验证组合预测方法的实用性，初步提出一套基于神经网络的较为合理的变形预报方法。