智能神经网络及其在隧道运营期变形预测评估中的应用

作     者：黄惠峰 

作者单位：西南交通大学 

学位级别：硕士

导师姓名：张献州

授予年度：2015年

学科分类：12[管理学] 081406[工学-桥梁与隧道工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：智能神经网络 变形预测 BP神经网络群 组合模型 隧道安全评估 

摘      要：变形监测包括对变形体的变形现象进行持续观测、对变形体变形性态的分析和对变形体的发展态势进行预测及安全评估等内容。随着信息化测绘的发展,变形监测观测手段由传统的人工测量向基于卫星定位、多传感器、互联网、移动通信等多项技术融合的物联网模式的现代化监测方式转变,如何在多源海量监测数据下对工程的安全状态进行预测评估是目前面临的最大挑战。特别是受经济条件及技术水平所限而修建的盐水沟隧道,其运营安全关系到整个西气东输重点工程的顺利进行,由于隧址环境恶劣、地质条件复杂并且已存在多处安全隐患,其安全严峻状况理应得到足够重视。然而,目前我国仍没有一部系统化的隧道安全评价行业规范,在实际中只能形成简单框架型的评价思路,可操作性十分有限。因此,科学地研究隧道变形预测与安全评估显得尤为重要。文章以新疆西气东输管道——盐水沟隧道变形监测工程为依托,以变形监测理论为基础,以数据分析为核心,借助人工神经网络与模型组合的优势,研究智能神经网络在运营期隧道变形预测分析与安全评估中的应用,对盐水沟隧道变形监测期间得到的大量监测数据进行了分析评估,保证隧道的运营安全。在论文研究过程中,笔者深入研究了各环节的关键技术,主要工作如下：1、针对标准BP算法的缺陷,研究动量-自适应学习速率算法、L-M算法及遗传算法对标准BP的改进,将三种改进方法与标准BP算法进行仿真实验对比分析,结果表明改进算法在收敛速度与拟合精度两方面均显著优于标准BP算法。2、将组合模型分成串联型、并联型与混联型三种组合方式,设计BP神经网络组合器,将三种改进模型与组合器以混联方式构建一种最优的智能神经网络模型—双重BP神经网络。实例分析表明,智能神经网络组合模型能有效提高单项模型的拟合精度。3、结合物联网模式下的多传感器融合隧道变形监测工程特点与难点,从基于时间序列和基于隧道变形影响因素两方面研究智能神经网络在隧道运营期变形预测中的应用,解决微空间灰色系统多关联因素下高精度隧道变形预测问题。4、研究隧道安全评价多层次指标体系构建及指标度量方法,设计五级评价集,用智能神经网络学习专家知识,对隧道运营安全评价指标进行逐级递归式的综合评判,根据评判结果确定运营隧道监测断面的安全等级。