基于DCA的人工免疫网络及其在地下工程风险辨识中的应用

摘要

随着科学技术的发展，城市化进程的推进，世界各国都开始将目光投向了城市地下空间的开发和利用，以此作为解决越来越多城市问题的重要手段。然而地下工程施工工艺复杂，技术要求高，环境变化不确定，特别是在繁华地区的施工，一旦出现风险后果严重，因此对地下工程的风险识别显得尤为重要。但是，传统的风险辨识方法不能满足实际工程在动态环境下的应用，而人工智能领域中新兴的人工免疫网络的研究使我们发现，免疫网络检测和抵御抗原的机制与工程风险辨识之间有着惊人的相似性。本文受此启发，构建了类似生物免疫系统中“先天免疫系统”与“获得性免疫系统”协同作用的风险辨识模型。初步实验证明，该模型在实际的工程数据输入下是可行有效的，表现了良好的风险识别能力。本文的主要工作与创新点如下： (1)基于树突状细胞算法(DCA)中的概念和理论，针对实际工程的应用环境提出了一种改进的DCA算法-IDCA。相对于原算法，IDCA有着更快的环境检测能力和更高的识别精度，这是因为IDCA算法有着更高的“抗原提呈”能力，并在模型中构成了“先天免疫系统”。 (2)把IDCA的抗原提呈与人工免疫网络结合，提出了基于IDCA的人工免疫网络——IDCAIN。在传统人工免疫网络理论和算法框架的基础上，IDCAIN融合了人工识别球(ARB)、克隆时间、部分平均距离、子网压缩等概念和方法对人工免疫网络做了改进。改进后的人工免疫网络部分构成了模型中的“获得性免疫系统”，而IDCA的抗原提呈结果(以mcav表达)通过激励函数用以指导IDCAIN最终对抗原的评价。实验证明IDCAIN比IDCA有着更强的适应能力，同时也具有IDCA算法良好的识别精度。 (3)以IDCAIN为核心，提出了一种用于地下工程风险辨识的模型。模型体现了生物免疫系统中“先天免疫系统”与“获得性免疫系统”的协同作用，并在盾构隧道施工风险监控系统中得到应用。论文以上海长江越江隧道推进段施工中土压力实时监测数据与盾构推进数据进行了仿真实验，发现模型对风险有着良好的识别精度，而且给出了一些令人感兴趣的结果，为工程技术人员提供了更多有价值的信息。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.2.1 人工免疫算法研究现状

1.2.2 隧道施工的风险辨识研究现状

1.2.3 人工免疫系统在风险辨识中的应用

1.3 课题研究的目的与意义

1.4 论文主要研究工作

1.4.1 研究内容及方法

1.4.2 论文的组织结构

第二章 生物免疫与人工免疫

2.1 生物免疫系统概述

2.1.1 经典免疫学

2.1.2 感知危险：从SNS到危险理论

2.2人工免疫模型与算法概述

2.2.1 人工免疫系统基本术语

2.2.2基本免疫算法

2.2.3 DCA算法

2.3人工免疫网络概述

2.3.1 资源受限人工免疫系统

2.3.2进化人工免疫网络aiNet

2.3.3可伸缩人工免疫系统模型

2.4 小结与讨论

第三章DCA算法的改进—IDCA

3.1 引言

3.2 抗原提呈与树突状细胞

3.3 标准DCA算法

3.3.1 DCA算法的基本原理与定义

3.3.2 标准DCA算法流程

3.4 改进的DCA算法IDCA

3.4.1 IDCA算法的流程

3.4.2 IDCA算法中几个关键技术的实现

3.5 实验与结果分析

3.5.1 实验一：IDCA和DCA在一次环境状态转换下的性能比较

3.5.2 实验二：IDCA和DCA在多次环境状态转换下的性能比较

3.5.3 实验三：衰减因子对IDCA的影响

3.6 小结与展望

第四章 基于IDCA的人工免疫网络IDCAIN

4.1 引言

4.2 人工免疫网络原理与改进

4.2.1 形态空间模型

4.2.2 人工免疫网络主要概念

4.3 基于IDCA的人工免疫网络算法

4.3.1 算法原理

4.3.2算法流程与实现

4.4 实验与分析

4.4.1 实验一：环境状态转换对IDCAIN的影响

4.4.2实验二：非自体子网群对反向数据分布的描述

4.5 小结

第五章 IDCAIN在盾构法隧道施工风险辨识中的应用

5.1 引言

5.2数据准备与预处理

5.3基于IDCAIN的风险辨识模型

5.4盾构隧道施工风险监控系统实现

5.4.1系统组成与分布

5.4.2风险监控子系统架构设计

5.4.3风险监控子系统界面介绍

5.5实验结果与分析

5.5.1 实验一：土压力实时监测数据

5.5.2实验二：盾构实时推进数据

5.4.3综合分析

5.5 小结

第六章 结论与展望

6.1本文的主要工作

6.2进一步工作与展望

参考文献

作者在攻读硕士学位期间公开发表的论文

作者在攻读硕士学位期间所作的项目

致 谢