基于神经网络与模糊系统变形预测模型研究.pdf

桂林工学院

硕士学位论文

基于神经网络与模糊系统变形预测模型研究

姓名：田丰

申请学位级别：硕士

专业：大地测量学与测量工程

指导教师：文鸿雁

20070401
桂林工学院硕士学位论文中文摘要为了对建筑物沉降、大坝变形、地质灾害和滑坡进行及时准确的变形分折网络预测建模和自适应神经模糊推理系统预测建模得到精度较高的变形预测值或变形稳定状态预测值。由于传统的神经网络模型存在着模型精度较低，网络训练时间长、容易陷入局部极小值点的缺点，本文在建立各种预测模型过程中对如何预处理数据样本、改进BP算法和如何提高网络泛化能力等进行了研究。神经网络以及神经一模糊推理系统用于变形预测是本论文的主要研究内容。全文共分六章，各章的主要内容如下：1、在介绍了变形分析和预报的研究现状与发展趋势后，提出了采用神经网络或模糊系统结合神经网络进行变形预测的应用前景，然后给出了本文研究的目标、主要内容以及研究范围。2、分别阐述了模糊系统、神经网络以及神经网络结合模糊系统的基本原理，并详细比较了神经网络与模糊控制。3、在桂林电厂烟囱地基基础的沉降预测中分别使用了切比雪夫多项式回归预测模型与单因子输入的神经网络预测模型并进行了比较，对拟合的次数与精度及其与外推精度之间的关系进行了详细探讨；同时论述了单因子输入的神经网络若采用不同的BP算法、不同的数据形式、不同的学习速率、不同的单因子输入模式对神经网络输出的影响情况。4、使用多因子输入的神经网络预测模型进行了大坝挠度预测和滑坡体稳定性预报，将划分数据样本集提高网络泛化能力的方法应用于多因子输入的神经网络预测，得到了精度较高的预测结果。5、应用神经模糊推理系统建立了边坡状态的预测模型，．并与BP网络模型、RBF网络模型的预测结果进行了横向比较。6、对全文的主要研究成果进行了总结，对有待进行深入研究的方向提出了关键词：神经网络，变形，BP网络，模糊推理系统，预测和预测，并为决策及时提供依据，可以通过切比雪夫多项式回归预测建模、神经展望。
桂林工学院硕士学位论文AbstractSystem(ANFIS)canChapterⅣEmployingpolynomialAdaptivealgorithmappliedIIIcomparisonofandHIsubsidencechimneybaseGuilinpredictingfactorialfittingextrapolationalgorithm，differentdifferenthownetwork．modelwithmultiplepredictsampleVmodel，andInorderanalyzedeformationbuildingsubsidence，damdeformation，geologicalhazards，landslidecorrectlyimmediately,toprovidebasisdecisionmaking，employingtchebyshevregressionmodeling，neuralnetworkmodelingNetwork—basedFuzzyInferenceobtainpredictedvaluestability．Becausethetraditionalneuralhasdrawbackslowprecision，longtrainingtimeeasilyfallsintopartialminimum，pre—processdata，improveback—propagateenhancenetwork’sgeneralizationcapacitystudied．ThemainresearchinpaperisANFISpredicting，whichbedivided6chaptersfoIlows：ChapterItintroducespresentconditiondevelopmenttrendanalysisprediction，thenpointsprospectapplicationfuzzy·neuralsystemprediction．Atlast，itgivespurpose，rangeresearch．system，neuralfuzzy—neuralstated，togetherfuzzycontr01．T0powerplant．Employingsingleinputcomparingeachother,discussingrelationamongtimes，precisiondetail，comparingBPformdata，differentlearningmodeaffectfactordamdeflectionstabilitylandslide，