一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法。
【背景技術(shù)】
[0002]邊坡變形受降水、地下水位、內(nèi)部應(yīng)力變化等多種因素影響，導(dǎo)致不同邊坡的變形機(jī)理不盡相同，其變形過程具有復(fù)雜性、隨機(jī)性和不確定性，邊坡的變形預(yù)測(cè)仍然是一項(xiàng)困難的課題。
[0003]目前普遍應(yīng)用的預(yù)測(cè)模型多為統(tǒng)計(jì)模型，統(tǒng)計(jì)模型對(duì)于影響因素單一，變形規(guī)律呈現(xiàn)單一函數(shù)特征的變形體，通常能夠較好的擬合并外推出變形的趨勢(shì)，從而作出較準(zhǔn)確的變形預(yù)測(cè)，但對(duì)于影響因素較多，變形規(guī)律呈現(xiàn)非線性特征的邊坡變形體，精度普遍較差。
[0004]非線性預(yù)測(cè)模型中應(yīng)用較多的是BP神經(jīng)網(wǎng)絡(luò)模型，并加入了具有針對(duì)性的改進(jìn)算法，取得了較好的效果?？梢杂糜谶吰禄瑒?dòng)預(yù)測(cè)這一復(fù)雜的算法。

【發(fā)明內(nèi)容】

[0005]本發(fā)明針對(duì)以上問題的提出，而研制的一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，具有如下步驟:
[0006]一對(duì)邊坡進(jìn)行有限元分析，得到邊坡的有限元模型；使用計(jì)算機(jī)為所述的有限元模型施加多種外界條件，得到模擬結(jié)果；
[0007]—重復(fù)上述步驟，建立邊坡模擬數(shù)據(jù)庫；
[0008]一對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，根據(jù)有限元的數(shù)量，建立當(dāng)前邊坡的滑動(dòng)位移序列的預(yù)測(cè)函數(shù)；
[0009]一調(diào)用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中相關(guān)的數(shù)據(jù)，訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)；
[0010]一將所述待檢測(cè)的邊坡的有限元的參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。
[0011]對(duì)于當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果，采用質(zhì)心算法進(jìn)行結(jié)果修正。
[0012]所述的數(shù)據(jù)庫中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸和邊坡結(jié)構(gòu)。
[0013]對(duì)于待測(cè)的邊坡的有限元特征點(diǎn)，使用插值的方法，近似到數(shù)據(jù)庫中有限元。
[0014]根據(jù)分析得出待檢測(cè)邊坡的有限元，在數(shù)據(jù)庫中調(diào)取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對(duì)所述的目標(biāo)函數(shù)進(jìn)行訓(xùn)練。
[0015]由于采用了上述技術(shù)方案，本發(fā)明提供的一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，通過對(duì)現(xiàn)有邊坡進(jìn)行大量的分析測(cè)試，形成數(shù)據(jù)庫，對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，形成目標(biāo)分析函數(shù)，對(duì)函數(shù)使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。相較于傳統(tǒng)的分析方法，具有更高的分析精度。
【附圖說明】
[0016]為了更清楚的說明本發(fā)明的實(shí)施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖做一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0017]圖1為本發(fā)明的流程圖
【具體實(shí)施方式】
[0018]為使本發(fā)明的實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚完整的描述:
[0019]如圖1所示:一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，主要包括如下步驟:
[0020]首先對(duì)邊坡進(jìn)行有限元分析，得到邊坡的有限元模型；使用計(jì)算機(jī)為所述的有限元模型施加多種外界條件，得到模擬結(jié)果；
[0021]然后，針對(duì)現(xiàn)有的邊坡進(jìn)行大量的分析實(shí)驗(yàn)，重復(fù)上述步驟，建立邊坡模擬數(shù)據(jù)庫，不斷的豐富樣本。
[0022]獲得足夠的樣本后，即可對(duì)待檢測(cè)的邊坡進(jìn)行預(yù)測(cè)分析，首先對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，得到當(dāng)前邊坡的有限元數(shù)據(jù)，根據(jù)有限元的數(shù)量，建立當(dāng)前邊坡的滑動(dòng)位移序列的預(yù)測(cè)函數(shù)。
[0023]調(diào)用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中相關(guān)的數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡(luò)算法，訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)；
[0024]將所述待檢測(cè)的邊坡的有限元的參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。
[0025]為了增加結(jié)果的精度，作為一個(gè)較佳的實(shí)施方式，對(duì)于當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果，采用質(zhì)心算法進(jìn)行結(jié)果修正。
[0026]相應(yīng)的，所述的數(shù)據(jù)庫中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸和邊坡結(jié)構(gòu)。
[0027]考慮到，待測(cè)的邊坡中的有限元特征點(diǎn)與數(shù)據(jù)庫中的有限元特征點(diǎn)位置基本不可對(duì)應(yīng)。故作為一個(gè)較佳的實(shí)施方式，對(duì)于待測(cè)的邊坡的有限元特征點(diǎn)，使用插值的方法，近似到數(shù)據(jù)庫中有限元。
[0028]為了增加對(duì)目標(biāo)函數(shù)的訓(xùn)練的準(zhǔn)確度，作為一個(gè)較佳的實(shí)施方式，根據(jù)分析得出待檢測(cè)邊坡的有限元，在數(shù)據(jù)庫中調(diào)取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對(duì)所述的目標(biāo)函數(shù)進(jìn)行訓(xùn)練。
[0029]以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，具有如下步驟: 一對(duì)邊坡進(jìn)行有限元分析，得到邊坡的有限元模型；使用計(jì)算機(jī)為所述的有限元模型施加多種外界條件，得到模擬結(jié)果； 一重復(fù)上述步驟，建立邊坡模擬數(shù)據(jù)庫； 一對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，根據(jù)有限元的數(shù)量，建立當(dāng)前邊坡的滑動(dòng)位移序列的預(yù)測(cè)函數(shù)； 一調(diào)用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中相關(guān)的數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)； 一將所述待檢測(cè)的邊坡的有限元的參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，其特征還在于:對(duì)于當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果，采用質(zhì)心算法進(jìn)行結(jié)果修正。
3.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，其特征還在于:所述的數(shù)據(jù)庫中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸和邊坡結(jié)構(gòu)。
4.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，其特征還在于:對(duì)于待測(cè)的邊坡的有限元特征點(diǎn)，使用插值的方法，近似到數(shù)據(jù)庫中有限元。
5.根據(jù)權(quán)利要求3所述的一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，其特征還在于:根據(jù)分析得出待檢測(cè)邊坡的有限元，在數(shù)據(jù)庫中調(diào)取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對(duì)所述的目標(biāo)函數(shù)進(jìn)行訓(xùn)練。
【專利摘要】本發(fā)明公開了一種基于人工神經(jīng)網(wǎng)絡(luò)的邊坡滑動(dòng)位移序列預(yù)測(cè)方法，具有如下步驟：—對(duì)邊坡進(jìn)行有限元分析，得到邊坡的有限元模型；使用計(jì)算機(jī)為所述的有限元模型施加多種外界條件，得到模擬結(jié)果；—重復(fù)上述步驟，建立邊坡模擬數(shù)據(jù)庫；—對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，根據(jù)有限元的數(shù)量，建立當(dāng)前邊坡的滑動(dòng)位移序列的預(yù)測(cè)函數(shù)；—調(diào)用數(shù)據(jù)庫中的模擬數(shù)據(jù)庫中相關(guān)的數(shù)據(jù)，訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)；—將所述待檢測(cè)的邊坡的有限元的參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。相較于傳統(tǒng)的分析方法，具有更高的分析精度。
【IPC分類】G06F19-00
【公開號(hào)】CN104636569
【申請(qǐng)?zhí)枴緾N201310552076
【發(fā)明人】陳 峰, 胡和發(fā)
【申請(qǐng)人】大連市勘察測(cè)繪研究院有限公司
【公開日】2015年5月20日
【申請(qǐng)日】2013年11月7日