王斌

[摘要]在研究了已有的一些變形預(yù)測模型的基礎(chǔ)上，利用模糊集理論，結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型，建立出一種新型的基于網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng)，同時將該模型應(yīng)用到邊坡工程實例中，并用采集的監(jiān)測數(shù)據(jù)，驗證了該模型在邊坡變形預(yù)測中的可行性，具有一定的參考價值。

[關(guān)鍵詞]變形預(yù)測 BP神經(jīng)網(wǎng)絡(luò) 模糊系統(tǒng) 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)

[中圖分類號] TU98 [文獻(xiàn)碼] B [文章編號] 1000-405X（2015）-3-189-1

1引言

由于邊坡變形所造成的地質(zhì)災(zāi)害往往會對人們的日常生活及工程建設(shè)造成很大影響，因此邊坡的變形預(yù)測成為近年來變形預(yù)測方面的一個重要研究方向，在對邊坡變形進(jìn)行監(jiān)測的同時，對監(jiān)測數(shù)據(jù)進(jìn)行分析，然后做出及時準(zhǔn)確預(yù)測，能在很大程度上減少災(zāi)害發(fā)生時造成的國家經(jīng)濟(jì)損失及人們的生命安全損失[1，2]。

2幾種邊坡形變預(yù)測模型

2.1神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80年代發(fā)展起來的一門新的學(xué)科分支，現(xiàn)如今它已發(fā)展成為前沿學(xué)科、邊緣學(xué)科研究的熱點。它最大的特征是大規(guī)模并行處理、連續(xù)時間非線性動力學(xué)、全局集體作用，具有高度的容錯性及魯棒性、自組織自學(xué)習(xí)和實時處理。特別是它可以從工程實例中學(xué)習(xí)知識，盡可能多地把各種定性與定量的影響因素作為變量加以輸入，建立各影響因素與結(jié)論間的高度非線性映射，采用自適應(yīng)模式識別方法可以完成預(yù)測等任務(wù)，它對內(nèi)部規(guī)律不甚了解、不能用一組規(guī)則或方程進(jìn)行描述的較復(fù)雜或開放的系統(tǒng)顯得更為優(yōu)越。

2.2Kalman濾波

對于動態(tài)系統(tǒng)，Kalman濾波采用遞推的方式，借助與系統(tǒng)本身的狀態(tài)轉(zhuǎn)移矩陣和觀測資料，實施最優(yōu)估計系統(tǒng)的狀態(tài)，并且能對未來時刻系統(tǒng)的狀態(tài)進(jìn)行預(yù)報，因此，這種方法可用于動態(tài)系統(tǒng)的實施控制和快速預(yù)報。Kalman濾波模型的特點：（1）具有收斂平穩(wěn)、速度快、精度高的優(yōu)點，在信號處理中受到廣泛應(yīng)用。（2）系統(tǒng)處置的確定不容易確定，如果偏差較大，則可能導(dǎo)致濾波結(jié)果中含有較大誤差，由此得到的測點變形是不真實的，甚至還會引起發(fā)散。（3）比較適用于變形觀測時間間隔相對較短的連續(xù)性自動觀測。

2.3灰色系統(tǒng)

灰色系統(tǒng)理論研究的是貧信息建模，它提供了貧信息情況下解決系統(tǒng)問題的新途徑它把一切隨機(jī)過程看做是在一定范圍內(nèi)變化的、與時間有關(guān)的灰色過程，對灰色量不是尋找統(tǒng)計規(guī)律的角度，通過大樣本進(jìn)行研究，而使用數(shù)據(jù)生成的方法，將雜亂無章的原數(shù)據(jù)整理成規(guī)律性較強(qiáng)的生成數(shù)列后再做研究?；疑碚撊蝿?wù)系統(tǒng)的行為現(xiàn)象盡管是朦朧的，數(shù)據(jù)是雜亂無章的，但它畢竟是有序的，有整體功能的，在雜亂無章的數(shù)據(jù)后面，必然潛藏著某種規(guī)律，灰數(shù)的生成，是從雜亂無章的原始數(shù)據(jù)中去開拓、發(fā)現(xiàn)、尋找這種內(nèi)在規(guī)律[3]。

3基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)評價模型

自適應(yīng)模糊神經(jīng)推理系統(tǒng)簡稱ANFIS，1993年由學(xué)者Jang Roger提出。它融合了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制和模糊系統(tǒng)的語言推理能力等優(yōu)點，彌補(bǔ)各自不足，屬于神經(jīng)模糊系統(tǒng)的一種。同其他神經(jīng)模糊系統(tǒng)相比，ANFIS具有便捷高效的特點，并在多個領(lǐng)域得到了成功應(yīng)用。ANFIS使用一個給定的輸入輸出數(shù)據(jù)集，構(gòu)造出一個模糊推理系統(tǒng)（支持T-S型系統(tǒng)） ，并用一個單獨的反向傳播算法或該算法與最小二乘法相結(jié)合的方法來完成對系統(tǒng)隸屬函數(shù)參數(shù)的調(diào)節(jié)，這使得模糊系統(tǒng)可以從其建模數(shù)據(jù)中學(xué)習(xí)信息。利用ANFIS為網(wǎng)絡(luò)學(xué)習(xí)評價建模的主要任務(wù)就是確定網(wǎng)絡(luò)結(jié)構(gòu)和模型參數(shù)的調(diào)整方法，而確定網(wǎng)絡(luò)結(jié)構(gòu)主要包括：確定模型輸入/輸出變量，確定輸入/輸出空間的劃分，if-then規(guī)則條數(shù)以及隸屬度函數(shù)的個數(shù)等，參數(shù)調(diào)整是指在網(wǎng)絡(luò)結(jié)構(gòu)確定后，對模型中可調(diào)整參數(shù)大小進(jìn)行調(diào)整，以獲取系統(tǒng)的最佳輸出。

4實例分析

本文選取某大型煤化工基地邊坡監(jiān)測項目作為實例，同時利用BP神經(jīng)網(wǎng)絡(luò)和新型自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)評價模型進(jìn)行輸出預(yù)測對比。以監(jiān)測得到的12組數(shù)據(jù)作為測試樣本，用訓(xùn)練好的模型進(jìn)行預(yù)測，得到相應(yīng)的最終預(yù)測值如表1所示，模型預(yù)測值對比如圖1。

由圖1可以看出，自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值比BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值更符合邊坡的實際情況。同時，由于單一的BP神經(jīng)網(wǎng)絡(luò)初始權(quán)、閾值的賦值隨機(jī)性較大，函數(shù)極值易陷入局部最小，導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果出現(xiàn)較大的波動，不能正確反映邊坡安全系數(shù)的實際情況。而結(jié)合模糊理論中的的模糊邏輯和模糊推理，形成的模糊神經(jīng)網(wǎng)絡(luò)模型，有了很好的控制、自適應(yīng)性和容錯能力，使得預(yù)測的結(jié)果沒有出現(xiàn)大的波動，更能很好的跟實際情況相吻合。

參考文獻(xiàn)

[1]李紅中.邊坡變形監(jiān)測技術(shù)現(xiàn)狀與發(fā)展趨勢[J].中國水運，2008，1（1）：54-55.

[2]王衛(wèi)東，夏麗，寇珊珊，岳紅震，翟小兵.邊坡監(jiān)測技術(shù)分析[J] .山東水利，2003（12）.

[3]馮小磊.邊坡形變監(jiān)測模型和穩(wěn)定性評價的研究及應(yīng)用[D].河海大學(xué)，2006.