运用灰色理论与人工神经网络预测公路沉降.pdfVIP

公 与 汽 运 第5期 98 HighwaysAutomotiveApplications 2010车‘ 月 运用灰色理论与人工神经网络预测公路沉降 王明兵 ，许建武 ，李斯洋 (1．长沙理工大学，湖南 长沙 410004；2．广西交通规划勘察设计研究院，广西 南宁 530011) 摘 要：介绍了灰色理论中的G(1，1)模型、BP人工神经网络模型和灰色BP神经网络模型； 根据岳阳城陵矶进港道路管桩处理后的路基沉降实测资料，分别运用这三种模型进行沉降预测， 并对预测结果进行 了分析 ，比较 了这三种方法预测沉 降的效果 。 关键词 ：公路 ；路基 ；沉降；G(1，1)模型；BP人工神经网络模型；灰 色BP神经网络组合模 型 ；预压期 中图分类号：U416．1 文献标志码 ：A 文章编号：1671—2668(2010)05—0098--02 目前，根据实测资料预测沉降的方法很多，有指 所以GM(1，1)模型的拟合公式为 主∞(忌)一 (1一 数曲线法、双 曲线法、星野法 、Asaoka法 、灰色预测 )(z。‘(1)一旦) (忌一2，… ，72)，其残差 e(忌) 法及人工神经网络等。实践表 明，对同一工程运用 a —z 。‘(忌)一x 。‘(忌)。 不同方法其计算结果有时会相差很大 ，提高预测精 1．2 BP神经网络模型与算法 度成为 目前的一大难题 。下面分别运用 G(1，1)模 人工神经网络是一种旨在模仿人脑结构及其功 型、BP人工神经网络模型和灰色 BP神经网络组合 能的脑式智能信息处理系统。BP算法的基本思想 模型来预测岳阳城陵矶进港道路管桩处理路基预压 是学习过程 由信号的正向传播与误差的反向传播两 期的沉降，比较分析其预测效果。 个过程组成 。目前神经网络的实现主要以软件编程 1 沉降预测模型 为主 ，标准 BP算法的编程步骤如下 ： (1)初始化。对输入层到隐层之间的权值矩阵 1．1 GM(1，1)模型 V、隐层到输 出层之间的 赋随机数 ，将样本模式 灰色理论 中的 GM(1，1)模型 的基本形 式 计数器 P和训练次数计数器q置为 1、误差 E置为 为z。‘(志)+ ‘(志)一 b。设 X∞ 一 (z。‘’(1)， 零 、学习率设为 O～1内的小数、网络训练后达到的 X∞‘(2)，…，X。‘())，其 中z。‘’(忌)≥ 0(忌= 1， 精度 E i设为一个正的小数。 2，…，)；X“为 X 的 1一AGO(一次累加)序 (2)输入训练样本对 ，计算各层输出。用 当前 列 ，即 Xn 一 (n (1)，n (2)，… ，X“())，其 中