小波-bp神经网络模型在地铁变形预测中的应用.doc

小波-BP神经网络模型在地铁变形预测中的应用

3.1万字 69页 原创作品，已通过查重系统

摘 要
随着基础设施建设的快速发展，同时也为了缓解城市交通的巨大压力，地铁交通应运而生。为了保证地铁建设在施工、运营期的安全性并能够及时预警，就需要对其建立有效的预测模型。变形监测的数学模型有很多，包括传统统计分析模型，例如一元线性统计模型、多元线性统一模型、逐步回归分析模型等；还包括灰色系统模型、时间序列分析模型、神经网络模型等。本文主要研究的变形预测模型为小波-BP神经网络模型。
小波分析是现代分析中一种强有力的工具，由于其在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，因此有数学显微镜之称。BP神经网络是一种基于误差反向传播算法的多层前馈网，本质上是按梯度法将网络误差平方和达到最小值的算法。BP算法的学习过程分为信息的正向传递和误差的反向传播。正向传递中，输入的信息由输入层经隐含层到输出层逐层计算传递。若输出层未得到期望输出，则会出现误差变化值，然后误差反向传播，通过网络将误差信号沿原来的连接通路返回，并修改各层神经元的权值，直到达到期望的目标值。
将小波分析的多分辨率分析同人工神经网络强有力的逼近能力有机结合起来，可以发挥他们各自的优势，以更灵活的逼近能力、更快的收敛速度、更强的自适应性、更高的精度进行预测。



关键词：地铁变形预测模型 小波-BP神经网络 BP神经网络 小波分析