地鐵結構變形預測組合模型構建及應用研究.pdf

1、如今地鐵項目全面建設，地鐵運營的安全性日趨重要，地鐵結構變形的監(jiān)測與預測分析已成為國內(nèi)外學者研究得重要方向。本文重點研究預測地鐵結構變形的組合模型構建方法，以期能夠提高地鐵結構變形預測精度，以保障地鐵運營安全。
　　本文利用南京某地鐵保護區(qū)項目地鐵結構變形自動化監(jiān)測數(shù)據(jù)展開相關研究。主要工作內(nèi)容和結論如下:
　　(1)系統(tǒng)地分析了導致地鐵結構變形的原因;介紹了幾種常用的統(tǒng)計分析預測模型，分析模型的建模思想以及不同模型所具有的

2、特點，并詳細闡述了每種模型的建模流程。
　　(2)介紹了組合模型的基本分類方式;闡述了幾種常用的組合模型定權準則和評價標準，以基于誤差平方和最小定權準則為例介紹組合模型建模的基本思想。
　　(3)重點研究了粒子群智能算法和BP神經(jīng)網(wǎng)絡算法。提出采用粒子群算法解算組合模型權重，并首次嘗試用BP神經(jīng)網(wǎng)絡算法優(yōu)化組合模型。利用南京地鐵自動化監(jiān)測數(shù)據(jù)進行實例驗證，介紹組合模型的具體構建流程。
　　(4)將本文構建的組合模型應用

3、于南京地鐵監(jiān)測數(shù)據(jù)，變形預測精度得到較好的提高。回歸-時間序列組合模型的預測精度比時間序列提升10％～22％，比回歸分析模型提高13％～24％。
　　(5)應用本文構建的BP神經(jīng)網(wǎng)絡優(yōu)化后的組合模型對南京地鐵監(jiān)測數(shù)據(jù)進行工程應用，變形預測精度提高效果顯著。經(jīng)過BP神經(jīng)網(wǎng)絡優(yōu)化后的組合模型預測精度比組合模型優(yōu)化前提高了21％～27％。相對于時間序列模型預測精度提高了31％～43％;相對于回歸分析模型預測精度提高了32％～42％。結果