雷鳴?賈凱華

摘 要：變形監(jiān)測是大型建筑物、構(gòu)筑物安全運營的保障性工作，為避免災害的發(fā)生，則需要進行相應的預測預警。傳統(tǒng)方法BP神經(jīng)網(wǎng)絡在滑坡監(jiān)測中容易陷入局部極小，收斂速度慢，網(wǎng)絡泛化能力弱等缺陷。為此本文提出基于卡爾曼濾波的BP神經(jīng)網(wǎng)絡方法，通過對觀測數(shù)據(jù)進行濾波處理，用濾波數(shù)據(jù)處理進行相關(guān)訓練。能很好的提高BP神經(jīng)網(wǎng)絡的性能，具有較高的預測精度。

關(guān)鍵詞：kalman濾波；BP神經(jīng)網(wǎng)絡；預測；模型誤差

基金項目：江西科技學院規(guī)劃建設(shè)學科（結(jié)構(gòu)工程）

資助項目：1、基于激光點云數(shù)據(jù)的窗戶提取技術(shù)研究，編號ZR14QN05 2、2010年江西省特色專業(yè)建設(shè)項目（土木工程）

1 BP神經(jīng)網(wǎng)絡模型

1.1 BP神經(jīng)網(wǎng)絡的算法

BP神經(jīng)網(wǎng)絡的主要過程是由信息的正向傳播和誤差的反向傳播兩個過程組成。第一階段（正向傳播）：輸入層各神經(jīng)元負責接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；最后傳遞到輸出層，經(jīng)進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。

2 卡爾曼濾波

2.1 卡爾曼濾波的原理

卡爾曼濾波是以最小均方誤差為估計的最佳準則，來從觀測量中估計出所需信號的濾波算法。其最大特點是能夠剔除隨機干擾誤差，從而獲取逼近實際情況的有用信息[5-6]。

3 應用實例

本文利用基于卡爾曼濾波的BP神經(jīng)網(wǎng)絡模型的方法，對江西省井岡山市某滑坡的變形監(jiān)測數(shù)據(jù)進行分析。選取滑坡變形監(jiān)測的沉降數(shù)據(jù)，首先利用卡爾曼濾波對其進行數(shù)據(jù)處理，剔除隨機誤差擾動的影響，再利用所得到的濾波值建立BP神經(jīng)網(wǎng)絡模型進行預測，通過與觀測數(shù)據(jù)的對比，來驗證模型的可行性。

3.1 卡爾曼濾波方程的建立

一般在變形測量中，常用的卡爾曼濾波模型一般為和模型，這兩種模型都是將監(jiān)測點的變形過程看成是一個隨機過程。本文采取的是模型，把滑坡監(jiān)測點的位置和速率作為運動的狀態(tài)向量， 將沉降加速度看作狀態(tài)方程的動態(tài)噪聲。

4.1 基于卡爾曼濾波算法的BP模型

針對BP模型在變形監(jiān)測的預測方面的局限性，采用原始觀測數(shù)據(jù)的卡爾曼濾波值進行BP神經(jīng)網(wǎng)絡模型建模，由此模型得到預測結(jié)果：

由表三可以看出，由于卡爾曼濾波算法能很好的剔除數(shù)據(jù)干擾，在對數(shù)據(jù)進行濾波處理后，得到的預測值與觀測值比較接近，殘差相對較小，其殘差分別為3.75%，1.57%，3.91%，較傳統(tǒng)BP模型預測的精度有明顯的提高，能更好的反應目標的變化趨勢。

5 結(jié)束語

本文針對傳統(tǒng)BP模型的缺陷，提出基于卡爾曼濾波的BP神經(jīng)網(wǎng)絡算法，在一定程度上改進BP算法的缺點，提高網(wǎng)絡泛化能力，更好的模擬了動態(tài)目標系統(tǒng)的變化規(guī)律，表明基于卡爾曼濾波的BP神經(jīng)網(wǎng)絡方法是一種更有效地預測方法。

參考文獻

[1]夏開旺，石雙忠，楊永平.卡爾曼濾波在變形監(jiān)測數(shù)據(jù)處理中的應用[J].三晉測繪，2004（12）

[2]蓋玲.時間序列建模、預報的原理與應用實例：[學位論文].沈陽：遼寧師范大學，2004

[3]鄧聚龍.灰理論基礎(chǔ)[M].武漢：華中科技大學出版社.2002.

[4]董長虹.神經(jīng)網(wǎng)絡與應用[M].北京：國防工業(yè)出版社，2005.