[1]黄志波,林从谋,黄金山,等.BP小波神经网络在大断面隧道变形预测中的应用[J].华侨大学学报(自然科学版),2011,32(6):680-683.[doi:10.11830/ISSN.1000-5013.2011.06.0680]
　HUANG Zhi-bo,LIN Cong-mou,HUANG Jin-shan,et al.BP Wavelet Neural Network in Application of Large Cross-Section Tunnel Deformation Prediction[J].Journal of Huaqiao University(Natural Science),2011,32(6):680-683.[doi:10.11830/ISSN.1000-5013.2011.06.0680]
点击复制

BP小波神经网络在大断面隧道变形预测中的应用()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第32卷
期数:
2011年第6期
页码:
680-683
栏目:
出版日期:
2011-11-20

文章信息/Info

Title:
BP Wavelet Neural Network in Application of Large Cross-Section Tunnel Deformation Prediction
文章编号:
1000-5013(2011)06-0680-04
作者:
黄志波; 林从谋; 黄金山; 孟凡兵; 付旭
华侨大学岩土工程研究所
Author(s):
HUANG Zhi-bo;  LIN Cong-mou;  HUANG Jin-shan;  MENG Fan-bing;  FU Xu
Institute of geotechnical engineering, Huaqiao University, Quanzhou 362021, China
关键词:
BP小波神经网络;  大断面隧道;  变形预测
Keywords:
back propagation wavelet neural networks;  large cross-section tunnel;  deformation prediction
分类号:
U456.3
DOI:
10.11830/ISSN.1000-5013.2011.06.0680
文献标志码:
A
摘要:
将BP算法引入小波神经网络,自适应地调整小波系数和网络权重,同时利用自适应算法调节BP算法的学习率,提高收敛效率.以4车道隧道———前欧隧道的监测数据为基础,建立BP小波神经网络变形预测模型.预测结果表明:BP小波神经网络对地质条件相似,施工及初期支护方法相同的隧道断面变形进行预测,其预测结果满足工程精度要求,能较准确地预知该断面在施工过程中的变形值.
Abstract:
Introducing back propagation(BP) algorithm to wavelet neural network,and using adaptive algorithm for adjusting BP algorithm learning rate,under adaptive adjustment of wavelet coefficients and network weights,the efficiency of convergence was improved.Based on monitoring data of the four-lane Qian-ou tunnel,BP wavelet neural network prediction model is established.For the similar geological conditions and the same construction and initial support,BP wavelet neural network prediction of the tunnel-section deformation meets the engineering requirement of accuracy.

参考文献/References:

[1] 时亚昕, 陶德敬, 王明年. 大断面浅埋暗挖隧道施工引起的地表移动及变形预测 [J]. 岩土力学, 2008(2):465-469.doi:10.3969/j.issn.1000-7598.2008.02.033.
[2] 吴益平, 李亚伟. 灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用 [J]. 岩土力学, 2008, (增刊1):263-266.doi:10.3969/j.issn.1000-7598.2008.z1.053.
[3] 岳荣花. 小波神经网络在沉降预测中的应用研究 [D]. 南京:河海大学, 2007.
[4] 梁平. 地震属性优化技术及BP小波神经网络储层参数预测的初步研究 [D]. 成都:成都理工大学, 2009.
[5] 严胜华, 叶建华, 陈思胜. 小波神经网络在变形监测预报中的应用 [J]. 海洋测绘, 2009(3):71-73.doi:10.3969/j.issn.1671-3044.2009.03.022.
[6] 杨丽. 小波理论在大坝变形监测数据分析中的应用和研究 [D]. 西安:西安理工大学, 2010.
[7] 李金屏, 何苗, 刘明军. 提高BP小波神经网络收敛速度的研究 [J]. 模式识别与人工智能, 2002(1):28-35.doi:10.3969/j.issn.1003-6059.2002.01.005.
[8] 何苗, 刘希莲, 李金屏. BP小波神经网络自适应调节步长的改进算法 [J]. 济南大学学报（自然科学版）, 2000(4):315-318.doi:10.3969/j.issn.1671-3559.2001.04.008.
[9] 金瑜, 陈光福, 刘红. 基于BP小波神经网络的模拟电路故障诊断 [J]. 测控技术, 2007(9):64-69.doi:10.3969/j.issn.1000-8829.2007.07.024.
[10] 梁桂兰, 徐卫亚, 谈小龙. 大岩石高边坡安全监测数据的小波变换去噪处理 [J]. 岩土力学, 2008(9):1837-1844.
[11] 吕俊白. 小波系数局部特征的自适应图像降噪算法 [J]. 华侨大学学报(自然科学版), 2010(6):636-640.

备注/Memo

备注/Memo:
福建省交通科技发展课题基金资助项目(200910)
更新日期/Last Update: 2014-03-23