科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高高速公路边坡预测的准确性,全面反映边坡监测点的运动状态与边坡位移的沉降趋势,针对边坡变形监测的数据特征,结合某高速公路边坡变形实例,利用Kalman滤波方法减小甚至消除噪声,从而提取出能反应边坡主体变形特性的有用信号,并对滤波后的监测序列进行GM(1,1)变形预测;利用遗传算法优化的BP神经网络对残差进行修正,得到最终的边坡位移沉降预测值。研究结果表明,所得到的预测结果较其他模型有优势,很好地解决了真实位移变化情况的还原问题,为边坡数据处理与预测提供了一个好方法。
- 单位
为了提高高速公路边坡预测的准确性,全面反映边坡监测点的运动状态与边坡位移的沉降趋势,针对边坡变形监测的数据特征,结合某高速公路边坡变形实例,利用Kalman滤波方法减小甚至消除噪声,从而提取出能反应边坡主体变形特性的有用信号,并对滤波后的监测序列进行GM(1,1)变形预测;利用遗传算法优化的BP神经网络对残差进行修正,得到最终的边坡位移沉降预测值。研究结果表明,所得到的预测结果较其他模型有优势,很好地解决了真实位移变化情况的还原问题,为边坡数据处理与预测提供了一个好方法。
