一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

doi:10.13474/j.cnki.11-2246.2019.0217

测绘通报 ›› 2019, Vol. 0 ›› Issue (7): 50-53,82.doi: 10.13474/j.cnki.11-2246.2019.0217

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

冯绍权^1,2, 花向红^1,2, 陶武勇^1,2, 宣伟³, 吴伟^1,2, 续东^1,2

1. 武汉大学测绘学院, 湖北武汉 430079;
2. 武汉大学灾害监测和防治研究中心, 湖北武汉 430079;
3. 武汉理工大学土木工程与建筑学院, 湖北武汉 430070

收稿日期:2019-01-09 修回日期:2019-05-20 出版日期:2019-07-25 发布日期:2019-07-31
通讯作者: 花向红。E-mail:xhhua@sgg.whu.edu.cn E-mail:xhhua@sgg.whu.edu.cn
作者简介:冯绍权(1994-),男,硕士生,主要研究方向为精密工程测量与变形监测。E-mail:602414626@qq.com
基金资助:
国家自然科学基金（41674005；41374011）；东华理工大学江西省数字国土重点实验室开放研究基金资助项目（DLLJ201801）

A settlement prediction model of high-speed railway pier based on GA-BP-MC neural network

FENG Shaoquan^1,2, HUA Xianghong^1,2, TAO Wuyong^1,2, XUAN Wei³, WU Wei^1,2, XU Dong^1,2

1. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China;
2. Hazard monitoring & prevention Research Center, Wuhan University, Wuhan 430079, China;
3. School of Civil Engineering and Architecture, Wuhan University of Technology, Wuhan 430070, China

Received:2019-01-09 Revised:2019-05-20 Online:2019-07-25 Published:2019-07-31

摘要/Abstract

摘要： 提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC），利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值，初步建立GA-BP神经网络预测模型，结合马尔科夫链的无后效性修正模型预测值，形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据，分别与BP神经网络、GA-BP神经网络预测模型进行对比，结果表明，该预测模型精度最高。

关键词: 马尔科夫链, 遗传算法, BP神经网络, 高铁桥墩, 沉降预测

Abstract: A genetic BP neural network prediction model (GA-BP-MC) based on Markov chain modification is proposed. The weights and thresholds of BP neural network are initialized by the global optimization ability of genetic algorithm, and the prediction model of GA-BP neural network is established preliminarily. The predictive value of model is modified by the invalidity of Markov chain to form a high precision deformation prediction model of GA-BP-MC neural network. Combined with the settlement data of high-speed railway piers, and compared with the BP neural network and GA-BP neural network prediction models respectively, the results show that the accuracy of the prediction model is highest.

Key words: Markov chain, genetic algorithm, BP neural network, high-speed railway pier, settlement prediction

中图分类号:

P258

冯绍权, 花向红, 陶武勇, 宣伟, 吴伟, 续东. 一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型[J]. 测绘通报, 2019, 0(7): 50-53,82.

FENG Shaoquan, HUA Xianghong, TAO Wuyong, XUAN Wei, WU Wei, XU Dong. A settlement prediction model of high-speed railway pier based on GA-BP-MC neural network[J]. 测绘通报, 2019, 0(7): 50-53,82.

参考文献

[1] 龚循强, 熊小容, 周秀芳. 高铁桥墩沉降预测方法研究[J]. 测绘通报, 2014(4):48-50.
[2] 何君, 杨国东. 灰色预测理论在建筑物沉降中的应用研究[J]. 测绘通报, 2012(3):63-64.
[3] 王晶晶,尹晖. 一种建筑沉降叠加预测方法[J]. 测绘科学, 2019,44(3):1-11.
[4] 夏磊凯, 黄其欢, 夏晨翔, 等. 改进后灰色神经网络及短期基坑沉降预测研究[J]. 测绘工程, 2016, 25(6):56-60.
[5] 谭洋,牛雪峰,王明常.径向基神经网络在沉降预测中的应用[J].测绘科学,2016,41(4):33-36.
[6] LI D J, LI Y Y, LI J X, et al. Gesture recognition based on BP neural network improved by chaotic genetic algorithm[J]. International Journal of Automation and Computing, 2018, 15(3):267-276.
[7] 武芳, 邓红艳. 基于遗传算法的线要素自动化简模型[J]. 测绘学报, 2003, 32(4):349-355.
[8] 宋帆,杨晓华,武翡翡,等.基于聚类分析的模糊马尔科夫链在降雨量预测中的应用[J].节水灌溉, 2018(10):33-36,41.
[9] RUMELHAR D, DAVID E, MCCLELLAND J, et al. Parallel distributed processing:explorations in the microstructure of cognition:psychological and biological models[M].Cambridge:MIT Press,1986.
[10] 高隽. 人工神经网络原理及仿真实例[M]. 北京:机械工业出版社, 2007.
[11] 邓传军, 欧阳斌, 陈艳红. 一种基于PSO-BP神经网络的建筑物沉降预测模型[J]. 测绘科学, 2018,43(6):27-31,38.
[12] 尹怀仙, 王凯, 张铁柱, 等. 基于PSO-BP神经网络的城轨列车转向架轮对轴箱故障预测[J]. 复杂系统与复杂性科学, 2015, 12(4):97-103.
[13] 李灿. 基于改进BP神经网络的负荷预测问题研究[D].西安:西安理工大学,2018.
[14] 周星勇, 杨容浩, 王志胜, 等. 一种改进遗传神经网络的建筑基坑沉降预测模型[J]. 测绘工程, 2018,27(3):53-57.
[15] 张超群, 郑建国, 钱洁. 遗传算法编码方案比较[J]. 计算机应用研究, 2011, 28(3):819-822.
[16] 刘浩然, 赵翠香, 李轩, 等. 一种基于改进遗传算法的神经网络优化算法研究[J]. 仪器仪表学报, 2016,37(7):1573-1580.
[17] 郁磊. MATLAB智能算法30个案例分析[M]. 北京: 北京航空航天大学出版社, 2011.
[18] 陈娟, 曹沁愉. 基于马尔科夫链对BP神经网络法残差修正模型的短期风电功率预测[J]. 电力与能源, 2017,38(5):567-570.
[19] 高蔚. 基于Markov理论的改进灰色GM(1,1)预测模型研究[J]. 计算机工程与科学, 2011, 33(2):159-163.
[20] 龙浩, 高睿, 孔德新, 等. 基于BP神经网络-马尔科夫链模型的隧道围岩位移预测[J]. 长江科学院院报, 2013, 30(3):40-43,55.
[21] 邹进贵, 肖扬宣, 张士勇. 基于ARIMA-BP神经网络的组合模型在地基沉降预测中的应用研究[J]. 测绘通报, 2014(S2):99-104.

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

A settlement prediction model of high-speed railway pier based on GA-BP-MC neural network

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘璐, 罗年学, 赵前胜. 基于历史数据的黄海浒苔爆发规模预测[J]. 测绘通报, 2022, 0(7): 7-11.
[2]	冯俊俊, 周立, 欧阳犬平, 周珍. 优化短期余水位组合预测模型[J]. 测绘通报, 2022, 0(3): 96-100.
[3]	丁仁军, 王友昆, 张君华, 刘晨. 基于BP神经网络的昆明天顶湿延迟模型[J]. 测绘通报, 2022, 0(3): 107-110.
[4]	毛斌, 韩文泉, 谢宏全, 吕海扬. 基于北京二号影像辅助nDSM的建筑物自动提取[J]. 测绘通报, 2022, 0(3): 132-137.
[5]	赵亚红, 王伟娜, 江培华, 李佳慧. 马尔可夫链改进的MMF沉降预测模型及应用[J]. 测绘通报, 2022, 0(1): 79-83.
[6]	陈优良, 陈洋, 肖钢, 陶剑辉. 改进蝙蝠算法优化极限学习机的大坝变形预测模型分析[J]. 测绘通报, 2021, 0(9): 68-73.
[7]	王艳, 祁萌. 基于GA-SIFT算法的无人机航拍图像实时拼接[J]. 测绘通报, 2021, 0(8): 28-32,47.
[8]	李紫微, 马庆勋, 吕杰. BP神经网络的近地面臭氧估算及时空特征分析[J]. 测绘通报, 2021, 0(6): 28-32,126.
[9]	宋宝, 柯福阳, 赵兴旺. 面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析[J]. 测绘通报, 2021, 0(2): 44-48.
[10]	鲁小红. 最优权组合预测法在采煤沉陷变形预测中的应用[J]. 测绘通报, 2020, 0(4): 111-115.
[11]	郭云开, 许敏, 张晓炯, 刘雨玲. 结合PRO-4SAIL和BP神经网络的叶绿素含量高光谱反演[J]. 测绘通报, 2020, 0(3): 21-24.
[12]	周贻港. 利用三维激光点云重构建筑物模型[J]. 测绘通报, 2020, 0(3): 109-112.
[13]	李国远, 王健, 刘秀涵, 孙文潇. 改进的自适应遗传算法支持下点云与BIM模型配准[J]. 测绘通报, 2020, 0(2): 160-162.
[14]	李娟, 朱勤东. 一种顾及道路影响的点要素注记配置遗传禁忌搜索算法[J]. 测绘通报, 2019, 0(2): 80-85.
[15]	周访滨, 邹联华, 张晓炯, 孟凡一. 栅格DEM微地形分类的BP神经网络法[J]. 测绘通报, 2019, 0(10): 101-104,132.