基于改进BP神经网络模型的地面沉降预测及分析.pdfVIP

第42卷 第 l期 天 津 大 学 学 报 、，01．42 N0．1 2009年 1月 JournalofTianjinUniversity Jan．2009 基于改进BP神经网络模型的地面沉降预测及分析 李红霞 ，赵新华 ，迟海燕 ，张建军 1．天津大学环境科学与工程学院，天津 300072；2．天津市环境保护科学研究院，天津 300191) 摘 要：针对区域性地面沉降问题，用遗传算法优化BP神经网络的初始权重，建立了地面沉降预测模型．该模型克服 了BP神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点 采用后验差检验法对模型拟合结果进行了检验，结 果表明模型具有很好地拟合与泛化能力．应用该模型对地下水位影响强度进行了分析，表明地面沉降与地下水位存在 一 致响应趋势． 关键词：地面沉降；BP神经网络；遗传算法；初始权值 ；后验差检验 中图分类号：P642．26；TP183 文献标志码 ：A 文章编号：0493—2137(2009)01—0060—05 PredictionandAnalysisofLandSubsidenceBasedon ImprovedBPNeuralNetworkM odel LIHong．xia，ZHAOXin—hua，CHIHai．yan，ZHANGJian-jun (1．SchoolofEnvironmentalScienceandEngineering，TianjinUniversity，Tianjin300072，China； 2．TianjinAcademyofEnvironmentalSciences，Tianjin300191，China) Abstract：Inordertocontrollandsubsidenceeffi ciently，acoupling modelofgeneticalgorithm andback—propagation (BP)neuralnetworkwasappliedtothesimulationoflandsubsidence，aimingatovercomingshortcomingsoftheBPneural networkmodel，suchasfallingintolocalminimum valueeasilyandbeingslow inconvergence．Thecouplingmodelpassed theposterior—variance—testandgoodfittingandgeneralizationwereobtained．Theresultscalculatedthroughtheproposed modelindicatethatthevariationoflandsubsidencerateintheresearcheddistricthasconsistenttendencywithunderground waterleve1． Keywords： landsubsidence；BPneuralnetwork；geneticalgorithm ；primaryweights；posterior-variance—test 全世界 已有 50多个国家和地区面临和遭受地面 用该模型对地下水位影响强度进行了分析 沉降灾害，地面沉降严重影响和制约地区建设和国民 经济的可持续发展llJ．地下水位是影响地面沉降的 1 预测模型的建立 主要因素_6J．笔者将地下水位对地面沉降的影响视为 黑箱系统 ，采用神经网络对其辨识，实现对地面沉降 BP网络学习算法具有复杂的输入输出关系，为 的预测和分析，同时针对 BPlback-propagation)神经 解决非线性问题和模拟未知系统的控制