基于APSOwM的BP神經(jīng)網(wǎng)絡(luò)及其在高鐵沉降預(yù)測(cè)中的應(yīng)用.pdf

1、高速鐵路設(shè)計(jì)時(shí)速高，造價(jià)高昂，涉及眾多旅客生命安全，一旦發(fā)生事故其連帶損失將是不可估量的，所以高速鐵路對(duì)運(yùn)行安全系數(shù)和軌道路基的穩(wěn)定性就會(huì)有十分苛刻的要求。鑒于此，為了維護(hù)高速鐵路正常、安全、高效地運(yùn)行，對(duì)其路基進(jìn)行沉降監(jiān)測(cè)及預(yù)報(bào)就顯得尤為重要。
　　與此同時(shí)，現(xiàn)有的諸多基于數(shù)理統(tǒng)計(jì)的數(shù)學(xué)模型，例如回歸分析模型、人工神經(jīng)網(wǎng)絡(luò)模型、灰色模型、時(shí)間序列模型等，它們結(jié)構(gòu)過(guò)于單一，且大多用于對(duì)大壩、基坑、山體滑坡的監(jiān)測(cè)中，在高鐵路基沉降監(jiān)

2、測(cè)領(lǐng)域應(yīng)用不多，存在一定空白。這些模型對(duì)沉降數(shù)據(jù)非線性映射能力不強(qiáng)，收斂過(guò)程易陷入局部極小,因此研究多種模型相結(jié)合的方法，建立完善的高鐵路基沉降預(yù)測(cè)數(shù)學(xué)模型才是重中之重。本文從上述思路出發(fā)，引入具有極強(qiáng)的非線性映射能力的BP神經(jīng)網(wǎng)絡(luò)，以及具有很好尋優(yōu)能力的自適應(yīng)變異粒子群優(yōu)化算法(APSOwM)，并將鄰域影響因子引入該算法，研究了APSOwM算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的優(yōu)化模型(APSOwM-BP模型)，并將多種BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型應(yīng)用于高鐵

3、沉降監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)并對(duì)比分析。
　　本文研究成果如下：
　　1)對(duì)粒子群優(yōu)化算法及神經(jīng)網(wǎng)絡(luò)理論進(jìn)行了研究。研究發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)具有高度的非線性映射特性，對(duì)非線性數(shù)據(jù)的預(yù)測(cè)具有很好的效果，但是單一的BP神經(jīng)網(wǎng)絡(luò)模型極易陷入局部極小值，且網(wǎng)絡(luò)各層連接權(quán)值和閾值的初始值具有隨機(jī)性，導(dǎo)致收斂速度慢，進(jìn)而其并不能對(duì)高鐵路基沉降量進(jìn)行準(zhǔn)確預(yù)測(cè)。
　　2)將自適應(yīng)變異策略以及鄰域影響因子引入粒子群算法中，使粒子速度的更新受到鄰域最優(yōu)

4、粒子的影響，與此同時(shí)根據(jù)種群平均粒距，對(duì)適應(yīng)值最小的幾個(gè)粒子執(zhí)行變異操作從而使粒子群算法能夠跳出局部極小點(diǎn)，達(dá)到最優(yōu)值。
　　3) APSOwM優(yōu)化算法用以對(duì)BP神經(jīng)網(wǎng)絡(luò)各層連接權(quán)值和閾值進(jìn)行優(yōu)化搜索，建立自適應(yīng)變異粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)組合模型(APSOwM-BP)。利用MATLAB軟件編制該模型程序，并應(yīng)用于某高鐵路基沉降監(jiān)測(cè)與預(yù)報(bào)中，同時(shí)與單一的BP神經(jīng)網(wǎng)絡(luò)模型、標(biāo)準(zhǔn)PSO算法優(yōu)化的BP網(wǎng)絡(luò)模型(PSO-BP)應(yīng)用實(shí)例和改