智能神经网络及其在隧道运营期变形预测评估中的应用

摘要

变形监测包括对变形体的变形现象进行持续观测、对变形体变形性态的分析和对变形体的发展态势进行预测及安全评估等内容。随着信息化测绘的发展，变形监测观测手段由传统的人工测量向基于卫星定位、多传感器、互联网、移动通信等多项技术融合的物联网模式的现代化监测方式转变，如何在多源海量监测数据下对工程的安全状态进行预测评估是目前面临的最大挑战。特别是受经济条件及技术水平所限而修建的盐水沟隧道，其运营安全关系到整个西气东输重点工程的顺利进行，由于隧址环境恶劣、地质条件复杂并且已存在多处安全隐患，其安全严峻状况理应得到足够重视。然而，目前我国仍没有一部系统化的隧道安全评价行业规范，在实际中只能形成简单框架型的评价思路，可操作性十分有限。因此，科学地研究隧道变形预测与安全评估显得尤为重要。
　　文章以新疆西气东输管道——盐水沟隧道变形监测工程为依托，以变形监测理论为基础，以数据分析为核心，借助人工神经网络与模型组合的优势，研究智能神经网络在运营期隧道变形预测分析与安全评估中的应用，对盐水沟隧道变形监测期间得到的大量监测数据进行了分析评估，保证隧道的运营安全。在论文研究过程中，笔者深入研究了各环节的关键技术，主要工作如下:
　　1、针对标准BP算法的缺陷，研究动量-自适应学习速率算法、L-M算法及遗传算法对标准BP的改进，将三种改进方法与标准BP算法进行仿真实验对比分析，结果表明改进算法在收敛速度与拟合精度两方面均显著优于标准BP算法。
　　2、将组合模型分成串联型、并联型与混联型三种组合方式，设计BP神经网络组合器，将三种改进模型与组合器以混联方式构建一种最优的智能神经网络模型—双重BP神经网络。实例分析表明，智能神经网络组合模型能有效提高单项模型的拟合精度。
　　3、结合物联网模式下的多传感器融合隧道变形监测工程特点与难点，从基于时间序列和基于隧道变形影响因素两方面研究智能神经网络在隧道运营期变形预测中的应用，解决微空间灰色系统多关联因素下高精度隧道变形预测问题。
　　4、研究隧道安全评价多层次指标体系构建及指标度量方法，设计五级评价集，用智能神经网络学习专家知识，对隧道运营安全评价指标进行逐级递归式的综合评判，根据评判结果确定运营隧道监测断面的安全等级。

目录

声明

摘要

第1章 绪论

1．1 选题背景与研究意义

1．2 国内外现状

1．2．1 人工神经网络

1．2．2 隧道变形监测与安全评估

1．3 主要研究内容及关键问题

1．4 本文的组织结构

第2章 人工神经网络及优化算法

2．1 人工神经网络概述

2．2 BP神经网络

2．2．1 网络拓扑结构

2．2．2 BP算法

2．2．3 BP神经网络的性能分析

2．3 BP神经网络优化算法

2．3．1 动量-自适应学习速率算法

2．3．2 Levenberg-Marquardt算法

2．3．3 遗传BP神经网络算法

2．3．4 优化算法的仿真分析

第3章 模型组合理论与智能神经网络构建

3．1 模型组合理论

3．1．1 模型组合分类

3．1．2 并联型组合模型

3．1．3 模型组合应考虑的问题

3．2 BP神经网络组合器

3．3 智能神经网络模型

3．3．1 结构设计

3．3．2 工作步骤

3．3．3 性能评价

第4章 隧道运营期的变形监测与预测分析

4．1 隧道变形监测工程概况

4．1．1 监测方案与监测成果

4．1．2 隧道运营期变形监测特征与难点

4．2 基于时间序列的智能神经网络隧道变形预测分析

4．2．1 基于时间序列的智能神经网络预测方法

4．2．2 基于时间序列的盐水沟隧道运营期变形预测

4．3 基于隧道变形关联因素的智能神经网络隧道变形预测分析

4．3．1 基于变形关联因素的智能神经网络预测方法

4．3．2 基于隧道变形关联因素的盐水沟隧道运营期变形预测

第5章 基于神经网络与变形监测成果的隧道安全评估

5．1 隧道安全评价指标体系构建

5．1．1 评价指标设置

5．1．2 评价集设计

5．1．3 评价体系构造

5．2 安全评估指标度量

5．2．1 数值表现

5．2．2 趋势表现

5．3 隧道安全评估

5．3．1 隧道安全评估步骤

5．3．2 隧道安全状态评估分析

结论及展望

结论

展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果