论文部分内容阅读
目前滑坡变形监测与防治已经成为全社会关注的焦点，滑坡变形的准确监测和分析预报，对滑坡区域的治理和人民生命财产的安全极为重要。一直以来，对于滑坡监测的分析预报，国内外学者已经提出了很多实朋方法，比如：时间序列、灰色模型、卡尔曼滤波算法以及各种组合预报模型等等，预报的精度也越来越高。但是因为变形量的复杂性，使每种预报方法有自己的局限性和适用性，另外在监测数据分析中，数据信息只是单独考虑到模糊的不稳定性，在模糊隶属函数中却受到不彻底性的限制。所以每个预测模型有不同的计算方法和模式。
神经网络作为一门快速发展起来的非线性科学，在处理一些背景不清楚而且极其复杂信息的时候，就会显示出其独特的优越性。在神经网络引用到变形预报之前，其理论背景成熟，已在水利、交通等工程领域得到了广泛的应用，为变形监测预报奠定了坚实的理论基础。
首先总结分析国内外在神经网络预报方面所做的研究，在神经网络的基础上将小波理论、模糊逻辑理论、云理论和神经网络进行结合，建立新的组合预报模型，并以Matlab神经网络工具箱进行程序设计，最后运用到具体实例中，通过各种模型的预报精度，米验证基于神经网络的优化模型在滑坡监测预报中的可行性。
论文的主要研究工作如下：
1)介绍神经网络的基本理论，总结其主要优点：具有分布式存储信息的功能；对样本信息可进行自组织学习；能够解决推理不明确的问题，处理许多特殊环境下的复杂信息。通过BP网络和GM(1，1)模型分别对实例数据进行预报，并对BP网络遇到的一些问题进行改进，最后验证两种模型在滑坡变形监测预报中的可行性。
2)以神经网络为基础，用小波理论和模糊理论分别与神经网络结合形成预报模型。详细介绍小波的基本理论，包括连续小波变换和离散小波变换，隐含层中激励函数的选择、节点的确定，全面分析小波基函数的选取原则。并详细分析小波和神经网络的结合方式，对小波神经网络(WNN)在变形预报中的优点和收敛性进行总结；另外详细介绍模糊神经网络(FNN)基本理论、模糊逻辑和神经网络结合的方式，经过实例验证该模型在滑坡监测预报中的可行性，总结出模糊神经网络在变形预报中的优缺点。
3)分析云模型和RBF网络的基本理论和算法，总结两者在结构上的相似性，并结合两者的优点对RBF网络进行改进：用正态云模型来替代高斯径向函数，用正态云的期望和熵来分别代替径向神经网络的聚类中心和宽度。产生一种新的算法模型(C-RBF算法)，通过详细的学习训练步骤，对新算法进行模拟仿真，最后通以实例数据进行预报分析，总结出该模型的可行性及优缺点。
通过传统BP网络算法的改进，验证了改进算法后的可靠性；发现小波神经网络在滑坡变形监测预报中有很强的应用性，而且小波神经网络的逼近和容错能力强；模糊神经网络在滑坡监测预报中的精度更高，网络的训练速度更快，稳定性强；改进的云模型神经网络方法更能够实现定量与定性之间的相互转换，该模型能够充分结合云理论的精髓和神经网络的优点，使预报数据真实可靠，预报精度更高。
本文是以神经网络为基本模型，对神经网络进行优化，通过其他领域与神经网络进行结合，训练新的预报模型，但是在实际应用中还是有很多问题需要进一步深入研究。