考虑区域沉降的高速铁路沉降预测方法研究

摘要

有效控制沉降和不均匀沉降是高速铁路线下工程高平顺性的重要保障，在区域沉降地区，地面的不均匀沉降不仅会降低线路设计高程，改变线路坡度，还会造成线下工程出现不均匀沉降，直接影响轨道的平顺性甚至会危及铁路的正常运营。
　　 神经网络作为人工智能领域的重要分支，因其对非线性情况的良好逼近能力，己深入到很多工程应用领域中。但是神经网络也有训练时间过长、易进入局部最小值等不足。遗传算法是根据达尔文进化论中适者生存的观点，将实际需要解决的问题，利用计算机模拟生物界中的进化过程，最终寻找出最优解。遗传算法的全局寻优功能可以很好的弥补神经网络易陷于局部最优的情况。
　　 本文将神经网络和遗传算法相融合，利用神经网络的非线性逼近能力和遗传算法良好的全局寻优能力，建立遗传算法优化BP神经网络模型，对区域沉降地区高速铁路线下工程沉降监测数据进行预测。取得了如下成果：
　　 1.利用遗传算法优化神经网络的初始权值和阈值，设计了遗传BP神经网络计算模型，与传统BP神经网络模型相比，该模型在收敛速度、拟合精度等方面都有明显的改进。
　　 2.建立了高速铁路线下工程遗传BP神经网络沉降预测模型，该模型精度取决于实测沉降样本精度和网络的拓扑结构。好的样本数据与网络结构，预测值与实测值吻合较好，能够真实的反映测量点的沉降情况。
　　 3.研究了基于遗传BP神经网络叠加区域沉降的工程沉降预测方法，分析了高速铁路线下工程沉降变形的影响因子，根据区域沉降地区监测特点，将能够在一定程度上反映区域沉降的基准点变形信息引入遗传BP神经网络中，预测值拟合精度提高了50％以上，预测更加接近实测值，更客观的反映了构筑物的工程沉降情况。