基于小波神經(jīng)網(wǎng)絡的沉降預測軟件開發(fā)與應用

葛玉輝

(鐵道第三勘察設計院集團有限公司，天津 300251)

?

基于小波神經(jīng)網(wǎng)絡的沉降預測軟件開發(fā)與應用

葛玉輝

(鐵道第三勘察設計院集團有限公司，天津 300251)

將小波神經(jīng)網(wǎng)絡分析方法用于高鐵沉降評估和運營監(jiān)測管理，針對其方法的不足及局限性，將Matlab語言的核心代碼編譯成C++代碼并編制成軟件，與BP神經(jīng)網(wǎng)絡、卡爾曼濾波等方法進行對比分析。工程實例表明，小波神經(jīng)網(wǎng)絡與其他沉降預測方法吻合性較好，其收斂性、逼近性及容錯能力更強，預測精度更為穩(wěn)定。

小波神經(jīng)網(wǎng)絡 沉降 軟件 預測

保證高鐵高速、安全、平穩(wěn)有序的建設及運營，確立科學合理的預測模型及預測程序，準確預測高鐵的沉降變化量顯得尤為重要。小波神經(jīng)網(wǎng)絡(WNN)預測方法一直是預測領域研究的熱點，并已取得良好的成果，將其應用到現(xiàn)實工程建設及運營管理領域具有重大的現(xiàn)實意義。

高速鐵路沉降變形預測模型的程序大部分是基于matlab語言編寫而成，導致在現(xiàn)實生產(chǎn)中運行很不方便。把matlab語言的核心代碼編譯成C#代碼，編寫了一套沉降預測軟件，經(jīng)過與BP神經(jīng)網(wǎng)絡、卡爾曼濾波方法進行對比，小波神經(jīng)網(wǎng)絡預測模型在沉降變形評估及運營監(jiān)測方面的預測結(jié)果和實測數(shù)據(jù)吻合性較高。

1 基于小波神經(jīng)網(wǎng)絡(WNN)的沉降預測軟件設計

小波神經(jīng)網(wǎng)絡(WNN)沉降預測系統(tǒng)采用Visual Studio面向?qū)ο蟮拈_發(fā)平臺和Oracle大型數(shù)據(jù)庫，利用VC#、C++開發(fā)語言，在C/S結(jié)構(gòu)模式下實現(xiàn)。

1.1 系統(tǒng)設計原則及思路

小波神經(jīng)網(wǎng)絡代碼幾乎都是用Matlab語言編寫。Matlab語言實現(xiàn)簡單，算法及預測精度較高，但是繁瑣的程序運行及操作界面，在工程預測使用中極為不方便。為了解決基于Matlab語言的小波神經(jīng)網(wǎng)絡程序，研究將其嵌入現(xiàn)有的C#或者C++程序編寫的軟件中。

根據(jù)小波神經(jīng)網(wǎng)絡原理，沉降預測軟件的編碼采用三層的小波神經(jīng)網(wǎng)絡，小波函數(shù)為Morlet小波，神經(jīng)網(wǎng)絡為后向傳播。C#中小波神經(jīng)網(wǎng)絡封裝為wavlet_net類，通過build函數(shù)進行訓練，count函數(shù)獲取預測結(jié)果，中間通過調(diào)用CSharp2Cpp類轉(zhuǎn)入c++dll，接口函數(shù)為wavlet_compute_predict_cpp。C++中，通過WavletFunction類進行小波神經(jīng)網(wǎng)絡訓練和預測。

1.2 沉降觀測數(shù)據(jù)處理模塊的設計

高速鐵路沉降及變形監(jiān)測點多，觀測周期長，數(shù)據(jù)量大，如何科學、高效、系統(tǒng)地對構(gòu)筑物的沉降趨勢和沉降量進行預測是沉降數(shù)據(jù)分析預測模塊要解決的問題。根據(jù)實際工作需要，沉降數(shù)據(jù)分析預測模塊要實現(xiàn)以下功能：

(1)數(shù)據(jù)庫結(jié)構(gòu)設計合理，界面友好；

(2)對導入沉降數(shù)據(jù)能有效地進行監(jiān)測，剔除有問題的測點數(shù)據(jù)；

(3)合理設計沉降預測分析方法，自動繪制觀測點的沉降曲線及可視化；

(4)預測數(shù)據(jù)的顯示、輸出。

基于WNN沉降預測分析模塊的結(jié)構(gòu)設計見圖1。

圖1 基于WNN沉降預測分析模塊

在沉降數(shù)據(jù)分析預測模塊中，對需要分析的測點沉降數(shù)據(jù)可以按照永恒給定的參數(shù)和方法進行沉降趨勢的預測分析。

2 工程應用實例

在大西線侯馬段軌面變形監(jiān)測中，將基于WNN沉降預測分析軟件應用于該項目(見圖2、圖3 、表1)。

圖2 與運營期間數(shù)據(jù)比較

圖3 WNN沉降預測分析軟件

選取上升最大的567331、下降最大的567311，變化比較平穩(wěn)(占80%)的567301進行對比分析。

取2015-01-21～2015-09-21運營監(jiān)測共11期的CPⅢ高程變化情況為建模數(shù)據(jù)，對2015-10-21～2016-01-21的數(shù)據(jù)進行對比分析。

選取上升最大的567331、下降最大的567311；變化比較平穩(wěn)(占80%)的567301進行了對比分析。

表1 沉降預測數(shù)據(jù)與實測數(shù)據(jù)之差 mm

從圖2、表1中可以看出，選取上升最大的監(jiān)測點小波神經(jīng)網(wǎng)絡更為接近實測數(shù)據(jù)，變化較為平穩(wěn)的567301更為明顯，預測精度更高，預測結(jié)果和實測數(shù)據(jù)更加吻合。

3 結(jié)論

成功的將Matlab語言的核心代碼編譯成C++代碼，并編寫了一套沉降預測軟件，避免了Matlab語言繁瑣的程序運行及操作界面，很大程度上方便了現(xiàn)實工程的使用，經(jīng)反復的測試和運行調(diào)試，效果良好。

從石家莊至濟南客運專線沉降評估、丹陽沉降監(jiān)測、安徽鐵路沉降監(jiān)測、大西沉降評估等項目總體運行效果來看，小波神經(jīng)網(wǎng)絡方法和其他沉降預測方法吻合性較好，其收斂性、逼近性及容錯能力更強，預測精度更為穩(wěn)定。

[1] 傅薈璇，趙紅.MATLAB神經(jīng)網(wǎng)絡應用設計[M].北京：機械工業(yè)出版社，2010:204-206

[2] 張獻州，莫春，馬下平.高速鐵路沉降觀測評估預測系統(tǒng)設計與實現(xiàn)[J].鐵道勘察，2010，36(4)

[3] 徐明偉，張建民.高速鐵路區(qū)域地面沉降監(jiān)測方法的評價分析[J].鐵道勘察，2015(1)

[4] 葛玉輝.基于小波神經(jīng)網(wǎng)絡的水汽預報方法研究[D].成都：西南交通大學，2014

[5] 李超，王騰軍.小波神經(jīng)網(wǎng)絡在攔渣壩變形預測中的應用研究[J].測繪通報，2012(增刊)：192-193

[6] 曹成度.高速鐵路線下工程沉降變形組合預測探討[J].鐵道勘察，2012，38(4)：1-3

[7] 王宇譜，呂志平，陳正生，等.衛(wèi)星鐘差預報的小波神經(jīng)網(wǎng)絡網(wǎng)絡算法研究[J].測繪學報，2013，42(3)：323-330

[8] 陳舒陽，徐林榮，曹祿來.基于動態(tài)神經(jīng)網(wǎng)絡法考慮區(qū)域沉降的高速鐵路沉降預測[J].鐵道學報，2015，37(5)：83-87

Software Development and Application of Settlement Prediction Based on Wavelet Neural Network

GE Yuhui

2016-09-05

葛玉輝(1986—)，男，2013年畢業(yè)于西南交通大學大地測量與測量工程專業(yè)，工學碩士，助理工程師。

1672-7479(2016)06-0021-02

TU433； P209

A