论文部分内容阅读
在现代化的房屋建设中,桩基由于其自身的优点而得到广泛使用。这与现代工程技术以及我国经济建设的发展是密不可分的。但在施工工程中,桩身易出现一些缺损,如断裂,缩径,离析等,使桩基本身无法达到预期的承载力或使结构产生不均匀沉降而导致工程事故的发生。因此,如何合理确定桩基的健康性已成为一个很重要的课题。利用神经网络对采集的数据进行分析、预测是解决这一问题的有效方法之一。本文正是在分析了神经网络处理数据特点的基础上,针对RBF网络的设计和训练存在的问题,将多种智能方法融合,设计了一种改进的DNA进化计算,并利用改进的DNA进化计算优化RBF神经网络以解决上述问题,从而改善网络结构,提高网络的逼近能力和泛化能力,有效地进行桩基健康检测。本文研究的主要内容包括以下几个方面:(1)研究了神经网络、粗糙集理论、遗传算法、DNA计算等多种智能方法。深入地分析了各种智能方法的优缺点。(2)研究了基于粗糙集预处理神经网络训练样本集。利用粗糙集可以简化信息空间表达维数的特点,将粗糙集作为神经网络的前置系统,化简训练样本集的信息结构,简化神经网络结构的复杂性。(3)RBF神经网络优化的实质是一个多目标优化问题。本文设计了一种多目标的DNA进化计算来解决RBF神经网络的优化问题,该算法利用排序的Pareto支配集确定进化计算中的个体适应度,使用基于碱基对的交叉、变异、倒位、复制等进化算子进行遗传操作,快速找到Pareto最优解集,并从中选出网络结果最优的RBF网络。本文同时对给出算法的收敛性进行了证明。(4)将基于DNA进化计算的RBF神经网络应用于桩基的健康检测中,经过实测数据与经网络预测数据的分析比较,说明该网络具有良好的检测效果。论文研究结果表明,粗糙集预处理网络的训练样本集,简化了神经网络的结构;通过引入基于Pareto最优解集的DNA进化计算,有效地解决多目标优化问题,实现了RBF神经网络的优化。从仿真试验和实际应用的结果分析,与传统的RBF网络相比,基于DNA进化计算的RBF网络逼近能力和泛化能力都有了显著提高,预测效果更精确。