[发明专利]一种基于神经网络预测吹填土标高的方法无效
申请号: | 201310516428.7 | 申请日: | 2013-10-29 |
公开(公告)号: | CN103530526A | 公开(公告)日: | 2014-01-22 |
发明(设计)人: | 孙立强;闫澍旺;郭炳川;李嘉;刘晓强 | 申请(专利权)人: | 天津大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;G06N3/02 |
代理公司: | 天津市杰盈专利代理有限公司 12207 | 代理人: | 王小静 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于神经网络预测吹填土标高的方法,特别是涉及一种基于神经网络预测软基吹填标高和加固后标高的预测方法。基于神经网络理论运用VisualBasic语言开发的“围海造陆吹填土标高神经网络预测系统”软件对吹填土标高进行预测,包括以下步骤:收集已有围海造陆工程实测数据,形成吹填标高预测数据库和加固后标高预测数据库;运用所开发的软件对相应的数据库进行学习训练;输入待预测工程的影响因素数值,对待测因子进行预测。该方法具有双向预测功能,已知加固后标高可预测吹填标高,已知吹填标高可预测加固后标高,适用范围较广。该方法应用简便且预测精度较高,可满足工程需要。 | ||
搜索关键词: | 一种 基于 神经网络 预测 填土 标高 方法 | ||
【主权项】:
1.一种基于神经网络预测吹填土标高的方法,所述的标高采用1972年天津市大沽高程系2003年高程,即天津市规划局颁布的在天津市域范围内统一使用的高程标准,该高程系以宝坻基岩标作为大沽高程的基准面,该方法其特征在于:采用以Visual Basic语言开发的“围海造陆吹填标高神经网络预测系统”软件,该软件主要的程序代码为:Public Sub StudyMain() For Count = 1 To NN Call MidLayer Call OutLayer Call OutError Call MidError Call Modify_Mid_Out Call Modify_In_Mid Next CountEnd SubPublic Sub Initial()Dim i, j, k As IntegerRandomizeFor j = 1 To JJ For i = 1 To II V(j, i) = 2 * Rnd - 1 Next iNext jFor k = 1 To KK For j = 1 To JJ W(k, j) = 2 * Rnd - 1 Next jNext kFor j = 1 To JJ R(j) = 2 * Rnd - 1Next jFor k = 1 To KK Q(k) = 2 * Rnd - 1Next kEnd SubPublic Sub Teacher()Dim i, j, k As IntegerOpen TT For Input As #1For j = 1 To NN For i = 1 To II + KK If i <= II Then Input #1, z(j, i) Else k = i - II Input #1, d(j, k) End If Next iNext jFor i = 1 To II M2(i) = z(1, i) L3(i) = z(1, i) For j = 1 To NN If M2(i) < z(j, i) Then M2(i) = z(j, i) End If If L3(i) > z(j, i) Then L3(i) = z(j, i) End If Next jNext iFor i = 1 To II For j = 1 To NN z(j, i) = (z(j, i) - L3(i) + 0.01) * 0.6 / (M2(i) - L3(i) + 0.01) + 0.2 Next jNext iFor k = 1 To KK M(k) = d(1, k) L(k) = d(1, k) For j = 1 To NN If M(k) < d(j, k) Then M(k) = d(j, k) End If If L(k) > d(j, k) Then L(k) = d(j, k) End If Next jNext kFor k = 1 To KK For j = 1 To NN If d(j, k) > 0 Or d(j, k) < 0 Then d(j, k) = (d(j, k) - L(k) + 0.01) * 0.6 / (M(k) - L(k) + 0.01) + 0.2 Else d(j, k) = 0.0001 End If Next jNext kEnd SubPublic Sub MidLayer()Dim i, j As IntegerDim net() As DoubleReDim net(JJ)For j = 1 To JJ For i = 1 To II net(j) = net(j) + V(j, i) * z(Count, i) Next i y(Count, j) = f(net(j) - R(j))Next jEnd SubPublic Sub OutLayer()Dim j, k As IntegerDim net() As DoubleReDim net(KK)For k = 1 To KK For j = 1 To JJ net(k) = net(k) + W(k, j) * y(Count, j) Next j o(Count, k) = f(net(k) - Q(k))Next kEnd SubPublic Sub OutError()Dim k As IntegerFor k = 1 To KKEr1(k) = (d(Count, k) - o(Count, k)) * o(Count, k) * (1 - o(Count, k))Next kEnd SubPublic Sub MidError()Dim j, k As IntegerFor j = 1 To JJ For k = 1 To KK Er2(j) = Er2(j) + Er1(k) * W(k, j) Next k Er2(j) = Er2(j) * y(Count, j) * (1 - y(Count, j))Next jEnd SubPublic Sub Modify_Mid_Out()Dim k, j As IntegerFor k = 1 To KK For j = 1 To JJ W(k, j) = W(k, j) + L1 * Er1(k) * y(Count, j) Next j Q(k) = Q(k) - L2 * Er1(k)Next kEnd SubPublic Sub Modify_In_Mid()Dim i, j As IntegerFor j = 1 To JJ For i = 1 To II V(j, i) = V(j, i) + L1 * Er2(j) * z(Count, i) Next i R(j) = R(j) - L2 * Er2(j)Next jEnd SubPublic Function f(x As Double) As Doublef = 1 / (1 + Exp(-x))End Function上述的程序代码涵盖内容如下:(1)定义归一化子函数Sigmoid函数:;(2)随机生成初始化调节参数;(3)将采集的数据构成的数据库导入系统;(4)开始调入学习过程,学习过程包括以下六个步骤:步骤1:计算中间层各个单元的输入、输出;步骤2:计算输出层的各个单元输入、输出;步骤3:计算输出层各单元的一般化误差;步骤4:计算中间层各单元的一般化误差;步骤5:调节输入层至中间层之间的连接权及输出层节点的阈值;步骤6:调节中间层至输出层之间的连接权及输出层节点的阈值;(5)读入待预测工程影响因素参数,计算预测标高值;以上述软件程序进行吹填标高的预测,具体的预测步骤包括:1)建立已有工程的样本数据库:根据天津市围海造陆工程勘察报告整理,采集已有工程的影响因素数据,建立吹填标高预测数据库,数据库包括:吹填土层加固后层底标高h3,单位为m;吹填土层加固后标高h4,单位为m;吹填土含水率ω1,单位为%;吹填土塑性指数Ip1;原天然地基含水率ω2,单位为%;原天然地基塑性指数Ip2和沉降值s,单位为m;建立加固后标高预测数据库,数据库包括:吹填土层加固前层底标高h1,单位为m;吹填土层吹填标高h2,单位为m;吹填土含水率ω1,单位为%;吹填土塑性指数Ip1;原天然地基含水率ω2,单位为%;原天然地基塑性指数Ip2和沉降值s单位为m;所建立已有工程的样本数据库包含了89组样本数据;从上述数据库中分别随机采集了9组数据,列于表1和表2中,以示数据库的真实性:表1 吹填标高预测数据库数据表2 加固后标高预测数据库数据2)运用开发的“围海造陆吹填标高神经网络预测系统”软件对相应的数据库进行学习训练,具体步骤包括:(1)将数据库数据导入软件中;(2)向软件系统输入训练误差为0.02~0.10、权调节系数为0.4~0.8、阈调节系数为0.4~0.8、训练样本数目为60~200、影响因子数目为4~10、隐层节点数目为6~16、待测因子数目为1~2;(3)通过计算机计算,当达到步骤(2)所设定的训练误差后软件停止学习;如果学习时间过长,则增大步骤(2)中的训练误差,以降低学习时间;如果计算误差过大,则减小步骤(2)中的训练误差,增加学习时间来达到计算精度要求;3)输入影响因素,对待测因子进行预测:(1)当预测吹填土吹填标高h2时,把影响因素输入软件,影响因素范围为:吹填土层加固后层底标高h3为-2m~+2m、吹填土加固后标高h4为+2m~+8m、吹填土含水率ω1为60%~200%、吹填土塑性指数Ip1为14~20、原天然地基含水率ω2为30%~80%、原天然地基塑性指数Ip2为14~20;经计算得到吹填土吹填标高h2的预测结果;(2)当预测吹填土加固后标高h4时,把影响因素输入软件,影响因素范围为:吹填土层加固前层底标高h1为-2m~+2m、吹填土吹填标高h2为+2m~+10m、吹填土含水率ω1为60%~200%、吹填土塑性指数Ip1为14~20、原天然地基含水率ω2为30%~80%、原天然地基塑性指数Ip2为14~20;经计算得到吹填土加固后标高h4的预测结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310516428.7/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用