啪啪国产视频_一级高清毛片_日韩精品中文字幕在线观看_免费视频一区二区三区四区

　　【摘要】：深基坑工程具有造價高、施工難度高、不穩定因素眾多等特點,因此監測系統的優劣性對于掌握深基坑穩定性狀況具有重要影響。但深基坑是支護體系與周邊土體相互結合的多種介質組合的高度復雜的空間系統,其變形和安全性受地質條件、巖土體性質、場地環境、氣候變化、地下水動態等因素影響。常規統計方法難以利用監測信息建模預測,BP神經網絡具有較好的非線性擬合能力,使其在復雜非線性系統的分析和預測中得到了廣泛應用。但BP網絡也具有明顯缺陷,本文采用遺傳算法、模擬退火發以及變尺度混沌優化算法來優化BP網絡,形成一系列智能算法。針對基坑監測信息建立非線性“隱式”模型,來預測基坑穩定性發展趨勢。工程實例為采用排樁凍結法施工工藝的江蘇潤揚長江公路大橋南錨錠深基坑工程。 在詳細研究BP神經網絡、遺傳算法、模擬退火法以及變尺度混沌優化算法等智能算法的基本原理的基礎上,基于MATLAB7.0編制了相應程序;研究BP網絡的整體性能因素,針對BP網絡隱層節點數難以確定的問題,提出“自動搜索法”,基于MATLB7.0進行了程序設計;研究了神經網絡與遺傳算法、模擬退火法和混沌優化算法的結合,形成一系列智能算法,并基于MATLAB7.0編制了程序。此智能算法預測模型不但適用于深基坑工程的基于監測數據的基坑穩定性預報,同時也適用于其它方面的預測預報問題。 南錨錠深基坑工程采用的排樁凍結法施工工藝在國內同類工程中尚屬首例,其難度可想而知。作為穩定性保證的實時監測信息反饋是十分必要的。本文利用上述幾種算法對南錨錠深基坑監測信息進行了智能預測。實際情況表明,本智能算法對基坑監測信息預測預報問題具有較高精度,對于下一步施工具有良好的指導作用。 【關鍵詞】：深基坑 神經網絡 遺傳算法 模擬退火法 混沌優化 預測
【學位授予單位】：河海大學
【學位級別】：碩士
【學位授予年份】：2006
【分類號】：TU753
【DOI】：CNKI:CDMD:2.2006.076977
【目錄】：

• 第一章 緒論9-22
• 1.1 選題依據及研究意義9
• 1.2 基坑工程信息化施工與基坑監測9-12
• 1.2.1 基坑工程信息化施工及研究進展9-10
• 1.2.2 基坑工程監測及研究進展10-12
• 1.3 智能算法在地質工程中的應用12-18
• 1.3.1 神經網絡在地質工程中的應用13-15
• 1.3.2 遺傳算法在地質工程中的應用15-16
• 1.3.3 模擬退火法在地質工程中的應用16-17
• 1.3.4 混沌理論在地質工程中的應用17-18
• 1.4 現代科學計算軟件 MATLAB18-20
• 1.5 本文研究思路及技術路線20-22
• 1.5.1 研究思路20
• 1.5.2 本文主要研究內容20-22
• 第二章 智能算法原理22-46
• 2.1 優化算法綜述22-23
• 2.1.1 函數優化問題22-23
• 2.1.2 組合優化問題23
• 2.2 優化算法分類23-24
• 2.3 遺傳算法(GA)24-29
• 2.3.1 遺傳算法的基本概念24-25
• 2.3.2 遺傳算法的原理與基本步驟25-26
• 2.3.3 遺傳算法的運行參數26-27
• 2.3.4 遺傳算法的應用27-28
• 2.3.5 遺傳算法的MATLAB實現28-29
• 2.4 模擬退火法(SA)29-33
• 2.4.1 模擬退火算法29-31
• 2.4.2 模擬退火算法關鍵參數和操作的設定31-33
• 2.4.3 模擬退火法的MATLAB實現33
• 2.5 混沌優化算法(COA)33-38
• 2.5.1 混沌的起源33-34
• 2.5.2 混沌的獨特性質34
• 2.5.3 混沌優化算法原理34-35
• 2.5.4 變尺度混沌優化算法35-37
• 2.5.5 參數探討37-38
• 2.6 人工神經網絡(ANN)38-46
• 2.6.1 神經網絡概念38-39
• 2.6.2 BP神經網絡39-43
• 2.6.3 BP網絡的 MATLAB實現43-46
• 第三章 基于基坑監測信息的智能預測方法46-56
• 3.1 BP神經網絡的性能因素46-49
• 3.1.1 原始數據預處理46-47
• 3.1.2 初始權值W與閾值B47
• 3.1.3 BP網絡結構47-48
• 3.1.4 BP網絡推廣能力的提高48-49
• 3.1.5 基于智能算法的BP網絡改進49
• 3.2 遺傳神經網絡(GANN)預測模型49-52
• 3.2.1 利用遺傳算法設計神經網絡的權值W和閾值B方案50
• 3.2.2 基于遺傳算法的神經網絡權值及閾值優化算法50-51
• 3.2.3 遺傳神經網絡的MATLAB實現51-52
• 3.3 模擬退火神經網絡(SANN)預測模型52-53
• 3.3.1 基于模擬退火算法的前饋神經網絡52
• 3.3.2 模擬退火神經網絡的MATLAB程序實現52-53
• 3.4 變尺度混沌神經網絡(MSCNN)預測模型53-56
• 3.4.1 混沌在神經網絡中的應用53-54
• 3.4.2 變尺度混沌優化方法確定BP網絡初值54-55
• 3.4.3 變尺度混沌神經網絡的MATLAB實現55-56
• 第四章 潤揚大橋南錨啶深基坑監測信息智能預側56-85
• 4.1 潤揚大橋南錨旋深基坑工程概況56-62
• 4.1.1 工程概況56-61
• 4.1.2 工程地質及水文地質條件61-62
• 4.2 潤揚大橋南錨旋基坑監測及資料分析62-71
• 4.2.1 南錨啶基坑監測62-63
• 4.2.2 監測資料分析63-71
• 4.3 基于智能算法的深基坑變形預測71-83
• 4.3.1 基坑變形預測問題的神經網絡建模71-73
• 4.3.2 基于遺傳算法的BP神經網絡(GABP)預測73-78
• 4.3.3 基于模擬退火法的BP神經網絡(SABP)預測78-81
• 4.3.4 基于變尺度混沌優化的BP神經網絡(MSCBP)預測81-83
• 4.4 預測成果分析83-85
• 第五章 結論與展望85-87
• 5.1 主要結論85-86
• 5.2 研究中存在的問題及展望86-87
• 參考文獻87-93
• 致謝93