边坡形变预测预报方法研究

论文摘要

边坡在外界作用力的影响下不断发生形变,当形变量超限时将会发生滑坡灾害。因此,对边坡的形变量进行预测预报是预防滑坡灾害的有效手段之一。本文从现有的边坡监测数据入手,着重研究了边坡形变预测预报方法,主要研究成果及创新点如下:（1）从原理、推导过程和建模步骤等方面分别研究了灰色GM（1,1）模型、灰色Verhulst模型和BP神经网络模型三种单一预测预报模型,以及灰色马尔可夫模型和灰色神经网络模型两种组合预测预报模型。之后逐一分析了以上几种模型的优缺点。（2）针对现有的灰色预测预报模型存在的建模数据不能更新导致陈旧信息影响模型精度的问题,提出基于可变长度滑动窗动态更新建模数据的灰色GM（1,1）动态模型（GDM（1,1）模型）和灰色Verhulst动态模型（GVD模型）两种改进模型,并利用新滩滑坡B3监测点的形变监测数据对两种模型进行了验证,实验结果表明,两种改进模型的拟合精度和预测精度均优于传统灰色模型,改进效果明显。为了进一步提升GVD模型的精度和对波动性数据的适应性,提出了GVD模型与马尔可夫链结合的灰色Verhulst马尔可夫动态模型（GVMD模型）,并用新滩滑坡的形变监测数据验证了改进模型的有效性。（3）鉴于传统的灰色神经网络模型中的灰色模型通常采用灰色GM（1,1）模型,而以灰色Verhulst模型与BP神经网络结合的研究较少。故提出一种残差修正型灰色Verhulst神经网络（RGVNN）模型,以GVD模型代替灰色GM（1,1）模型,并用BP神经网络修正GVD模型的预测残差。采用露天矿边坡的监测数据建立RGVNN模型,并将预测结果与灰色Verhulst模型和BP神经网络的预测结果比较。结果表明,相比于灰色Verhulst模型和BP神经网络,RGVNN模型的预测平均相对误差分别降低了96.3%和76.7%。RGVNN模型的预测精度远远优于灰色Verhulst模型和BP神经网络。（4）针对灰色Verhulst神经网络（GVNN）模型的权值和阈值随机初始化造成预测精度下降的问题,提出了思维进化算法优化的辅助型灰色Verhulst神经网络（MEA-AGVNN）模型。MEA-AGVNN模型引入思维进化算法（MEA）对网络的权值和阈值进行优化,将优化后的权值及阈值作为辅助型灰色Verhulst神经网络（AGVNN）模型的初始权值和初始阈值。利用露天矿边坡形变监测数据建立MEA-AGVNN模型,并将预测结果与AGVNN模型进行对比。实验结果表明,相比于AGVNN模型,MEA-AGVNN模型的预测平均相对误差降低了46.9%。MEA-AGVNN模型的预测精度优于GVNN模型。

论文目录

文章来源

类型: 硕士论文

作者: 姚鹏远

导师: 邓洪高

关键词: 边坡,形变预测预报,灰色,模型,灰色模型,马尔可夫,神经网络,思维进化算法

来源: 桂林电子科技大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地质学,地质学,工业通用技术及设备

单位: 桂林电子科技大学

分类号: P642.22

总页数: 78

文件大小: 2770K

下载量: 154

相关论文文献

• [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
• [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
• [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
• [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
• [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
• [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
• [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
• [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
• [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
• [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
• [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
• [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
• [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
• [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
• [15].神经网络探索物理问题[J]. 物理 2020(03)
• [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
• [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
• [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
• [19].高效深度神经网络综述[J]. 电信科学 2020(04)
• [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
• [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
• [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
• [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
• [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
• [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
• [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
• [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
• [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
• [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
• [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

标签：边坡论文;  形变预测预报论文;  灰色论文;  模型论文;  灰色模型论文;  马尔可夫论文;  神经网络论文;  思维进化算法论文;