论文部分内容阅读
目前,国内许多城市都在大力发展城市轨道交通,地铁作为一种新型、高效、绿色的公共交通工具,在城市中扮演着越来越重要的角色。城市地铁施工是一项难度较大的工程,虽然施工工艺在不断改进,但施工引起的地表沉降情况仍不可避免,可能引发重大安全事故,为此对地表沉降进行有效的监测及准确的预测具有十分重要的现实意义。为对地铁施工引起的地表沉降进行准确的预测,对遗传算法进行了改进,并用改进遗传算法确定了BP神经网络模型的权值和阈值,构建了基于改进遗传算法的BP神经网络(简称IGA-BP神经网络)模型,并利用工程实际监测数据对遗传算法的改进及模型的有效性进行了验证。结果表明,IGA-BP神经网络模型对于地表沉降预测精度最高。为了提高监测效率,基于BIM与GIS集成技术构建了地铁施工地表沉降信息系统,使沉降监测信息、环境信息等实现了在三维场景中的可视化,同时系统运用了IGA-BP神经网络模型作为底层技术支持,实现了对地表沉降的预测。具体工作内容如下。(1)对遗传算法进行了改进,基于锦标赛法将每代种群按照适应度递增排序,提出了“等级选择法”,将种群中的个体按照适应度大小分为优、良、中、差四个等级,在进行下一代选择操作时,分别对该四个等级的个体按照特定的比率进行选择操作,这样既可保证在种群中选出较优个体,又维持了种群选择的多样性,不破坏遗传算法全局搜索的能力,提高了获取最优解的能力,在利用改进后的遗传算法与神经网络结合进行地表沉降预测时,能达到更高的预测精度。(2)构建了基于改进遗传算法的BP神经网络模型,运用以“等级选择法”作为选择算子的遗传算法优化BP神经网络模型。BP神经网络模型虽有较好的寻优能力,但其在全局范围内搜索能力差,收敛速度慢,容易陷入局部极值,且网络结构不易确定,权值和阈值对训练结果影响很大,因此如果单独使用该方法,效果不是很理想。而改进后的遗传算法全局搜索能力强,易得到全局最优解,能克服BP神经网络模型的缺陷。因此,采用改进遗传算法确定神经网络模型的权值和阈值,优化BP神经网络模型,得到IGA-BP神经网络模型。结合北京地铁施工过程中地表沉降数据验证IGA-BP神经网络模型的有效性。运用Matlab进行仿真,将IGA-BP神经网络模型预测结果与把轮盘赌法作为选择算子的遗传算法优化的BP神经网络模型(简称GA-BP神经网络模型)预测结果,与BP神经网络模型预测结果进行对比,结果显示,IGA-BP神经网络模型比GA-BP神经网络模型预测准确度提高了43.18%,IGA-BP神经网络模型比BP神经网络模型预测准确度提高了49.89%,因此用IGA-BP神经网络模型进行地表沉降预测具有更好的预测精度,即利用“等级选择法”作为选择算子的遗传算法比用轮盘赌法作为选择算子的遗传算法具有更好寻优能力,在用其优化BP神经网络进行地表沉降预测时,能获取更准确的预测结果。(3)构建了地铁施工地表沉降信息系统。传统的二维地表沉降信息系统常存在两方面问题:一是系统仅具备监测功能而不具备预测功能,管理人员根据沉降值及经验预测未来地表沉降情况,准确性不高;另一方面是系统基于CAD平面图查看监测信息,对于周边环境的状态和施工与环境的空间关系不能直观表达。为解决这两方面的问题,构建了地铁施工地表沉降信息系统,将已研究并验证好的IGA-BP神经网络模型作为系统底层技术支撑,提高了地表沉降预测的准确性。同时,引入BIM与GIS集成技术,融合地铁施工过程中的地表沉降监测数据、模型数据、环境数据等多源数据,实现了对监测信息、工程信息、地理空间信息等的三维可视化及沉降预警。