基于BP人工神经网络的多点非时序变形预测模型研究

论文摘要

对变形体变形的分析研究以及变形预测是变形监测的重要内容,对于建设工程的安全施工以及运营有着重要意义。但在实际工程的变形预测建模过程中,经常会遇到诸如多点、非线性、非时序等复杂变形预测建模问题,针对这一问题,本文分别以回归分析模型和BP人工神经网络模型为基础数学模型建立非时序变形预测模型,并进行了相关探讨。全文共分四章。第一章对变形预测的目的、变形预测的研究现状以及常用的变形预测模型进行了介绍,并针对本文研究内容分析了常用变形预测模型的适用性和优缺点；第二章论述了回归分析模型以及建立变形预测的回归分析模型的方法和流程；第三章详细探讨了人工神经网络模型以及建立变形预测的BP人工神经网络模型的方法和流程；第四章以工程实例为背景,首先建立单点变形预测的回归模型,通过对结果和精度的分析,探讨建立多点变形预测模型的必要性,然后探讨建立多点非时序变形预测的BP人工神经网络模型的可行性,并对建模结果和精度进行分析,最后通过比较得到变形预测的回归模型和BP人工神经网络模型的适用条件和优缺点。本文重点在理论上和方法上对建立多点非时序变形预测的BP人工神经网络模型的可行性进行研究。本文所建立的多点变形预测的BP人工神经网络模型,能够很好的解决多点非时序变形预测问题,具有较高的预测精度和较广的应用前景,对于进一步深入研究多点空间变形分析与预测问题具有一定的指导意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本论文的研究背景和意义
• 1.2 多点变形预测的研究现状
• 1.3 常用的变形预测模型
• 1.3.1 基于回归分析的变形预测模型
• 1.3.2 基于时间序列分析的变形预测模型
• 1.3.3 基于灰色系统的变形预测模型
• 1.3.4 基于Kalman滤波的变形预测模型
• 1.3.5 基于人工神经网络的变形预测模型
• 1.4 本论文的研究内容
• 第2章 回归分析模型及其在变形预测中的应用
• 2.1 回归分析基本原理
• 2.1.1 多元线性回归的基本原理
• 2.1.2 典型的曲线拟合模型
• 2.1.3 回归方程显著性检验
• 2.1.4 回归系数显著性检验
• 2.2 逐步回归分析方法
• 2.3 回归方法变形预测模型的建立过程
• 2.3.1 变形的成因分析与预测
• 2.3.2 变形预测的回归模型建模流程
• 第3章 BP人工神经网络及其在变形预测中的应用
• 3.1 人工神经网络发展概述
• 3.2 人工神经网络基本原理
• 3.2.1 生物神经细胞的结构
• 3.2.2 人工神经网络的处理单元
• 3.2.3 处理单元的转移函数
• 3.2.4 人工神经网络模型
• 3.3 变形预测的BP人工神经网络模型
• 3.3.1 BP人工神经网络算法
• 3.3.2 变形预测的BP人工神经网络建模流程
• 3.3.3 变形数据归一化
• 3.3.4 网络设计
• 3.3.5 网络测试与变形预测
• 3.4 MATLAB人工神经网络工具箱
• 第4章 工程实例的应用情况及其比较分析
• 4.1 工程概况
• 4.2 建立非时序变形预测模型的相关方案
• 4.3 变形预测的回归模型建模分析
• 4.3.1 单点建模与测试结果分析
• 4.3.2 建模数据的数量及其组合的选定试验研究
• 4.3.3 建立多点变形预测回归模型的可行性分析
• 4.4 多点变形预测的BP人工神经网络建模分析
• 4.4.1 数据预处理
• 4.4.2 模型设计与计算试验
• 4.4.3 建模数据的数量及其组合的选定试验研究
• 4.5 本文所探讨的两种变形预测模型的分析比较
• 结论与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果
• 附录