小波神经网络在高铁路基沉降监测中的应用研究

摘要

随着社会经济的不断发展与进步，交通条件成为制约社会经济发展的重要因素。目前，我国正在大力建设的高速铁路，是一项庞大、复杂的系统工程。在工程建设中，变形监测贯穿于工程的施工和运营管理阶段，是不可忽视的重要问题。要保证高速列车能够安全、平稳、舒适地运行，就必须保证线路轨道具有高平顺性，那么必须对高速铁路线下工程的沉降进行有效的控制，尤其是路基的沉降。
　　用来进行沉降量预测的方法大致可以分为两类：基于实测的数据分析法与基于理论的计算法。基于实测数据的分析方法有很多，如回归分析法、灰色系统理论、人工神经网络等，但多数是对建筑物、基坑、边坡、隧道、大坝等工程的变形预测，应用在高速铁路沉降监测方面的模型并不多。本文以杭长客专江西段某区段为背景，对该区段变形监测网的建立、观测方法、监测精度等做了论述，建立小波神经网络模型，对路基沉降数据的分析预测做了深入研究，具体工作如下：
　　（1）研究了利用小波分析实现信号去噪的方法，运用小波阈值算法对路基沉降数据进行去噪，对原始数据中存在的噪声进行处理，期望对未来的预测结果更加准确。
　　（2）研究BP神经网络算法，对传统BP神经网络模型算法中存在的局限性进行了优化改进，较好地克服了其存在的局部最小、学习效率低、收敛速度慢等问题，并将改进模型应用于变形预测。
　　（3）探讨小波变换与神经网络的结合方式，结合小波变换和 BP神经网络各自的优点，构建小波神经网络模型，对其进行改进并验证效果。
　　（4）借助MATLAB软件构建模型，分别得到BP神经网络模型预测值、小波神经网络模型预测值，将其与实测值进行对比，分析其性能，实验结果表明，小波神经网络优于单一的 BP神经网络，对高铁路基沉降进行预测分析更高效、更精确。

目录

声明

第一章 绪论

1.1 研究背景和意义

1.2 沉降预测模型概述

1.3 本文研究内容

1.4 本章小结

第二章 小波变换

2.1 小波理论

2.2 常用小波函数

2.3 小波去噪

2.4 仿真试验

2.5 本章小结

第三章 人工神经网络

3.1 人工神经网络

3.2 BP神经网络

3.3 仿真试验

3.4 本章小结

第四章 小波神经网络

4.1 小波神经网络模型

4.2 仿真试验

4.3 本章小结

第五章 小波神经网络在高铁路基沉降中的应用

5.1 工程概况

5.2 小波去噪

5.3 小波神经网络沉降预测模型建立及沉降预测

5.4 预测结果分析

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢