基于小波神经网络的沉降预测软件开发与应用

葛玉辉

(铁道第三勘察设计院集团有限公司，天津 300251)



基于小波神经网络的沉降预测软件开发与应用

葛玉辉

(铁道第三勘察设计院集团有限公司，天津 300251)

将小波神经网络分析方法用于高铁沉降评估和运营监测管理，针对其方法的不足及局限性，将Matlab语言的核心代码编译成C++代码并编制成软件，与BP神经网络、卡尔曼滤波等方法进行对比分析。工程实例表明，小波神经网络与其他沉降预测方法吻合性较好，其收敛性、逼近性及容错能力更强，预测精度更为稳定。

小波神经网络 沉降 软件 预测

保证高铁高速、安全、平稳有序的建设及运营，确立科学合理的预测模型及预测程序，准确预测高铁的沉降变化量显得尤为重要。小波神经网络(WNN)预测方法一直是预测领域研究的热点，并已取得良好的成果，将其应用到现实工程建设及运营管理领域具有重大的现实意义。

高速铁路沉降变形预测模型的程序大部分是基于matlab语言编写而成，导致在现实生产中运行很不方便。把matlab语言的核心代码编译成C#代码，编写了一套沉降预测软件，经过与BP神经网络、卡尔曼滤波方法进行对比，小波神经网络预测模型在沉降变形评估及运营监测方面的预测结果和实测数据吻合性较高。

1 基于小波神经网络(WNN)的沉降预测软件设计

小波神经网络(WNN)沉降预测系统采用Visual Studio面向对象的开发平台和Oracle大型数据库，利用VC#、C++开发语言，在C/S结构模式下实现。

1.1 系统设计原则及思路

小波神经网络代码几乎都是用Matlab语言编写。Matlab语言实现简单，算法及预测精度较高，但是繁琐的程序运行及操作界面，在工程预测使用中极为不方便。为了解决基于Matlab语言的小波神经网络程序，研究将其嵌入现有的C#或者C++程序编写的软件中。

根据小波神经网络原理，沉降预测软件的编码采用三层的小波神经网络，小波函数为Morlet小波，神经网络为后向传播。C#中小波神经网络封装为wavlet_net类，通过build函数进行训练，count函数获取预测结果，中间通过调用CSharp2Cpp类转入c++dll，接口函数为wavlet_compute_predict_cpp。C++中，通过WavletFunction类进行小波神经网络训练和预测。

1.2 沉降观测数据处理模块的设计

高速铁路沉降及变形监测点多，观测周期长，数据量大，如何科学、高效、系统地对构筑物的沉降趋势和沉降量进行预测是沉降数据分析预测模块要解决的问题。根据实际工作需要，沉降数据分析预测模块要实现以下功能：

(1)数据库结构设计合理，界面友好；

(2)对导入沉降数据能有效地进行监测，剔除有问题的测点数据；

(3)合理设计沉降预测分析方法，自动绘制观测点的沉降曲线及可视化；

(4)预测数据的显示、输出。

基于WNN沉降预测分析模块的结构设计见图1。

图1 基于WNN沉降预测分析模块

在沉降数据分析预测模块中，对需要分析的测点沉降数据可以按照永恒给定的参数和方法进行沉降趋势的预测分析。

2 工程应用实例

在大西线侯马段轨面变形监测中，将基于WNN沉降预测分析软件应用于该项目(见图2、图3 、表1)。

图2 与运营期间数据比较

图3 WNN沉降预测分析软件

选取上升最大的567331、下降最大的567311，变化比较平稳(占80%)的567301进行对比分析。

取2015-01-21～2015-09-21运营监测共11期的CPⅢ高程变化情况为建模数据，对2015-10-21～2016-01-21的数据进行对比分析。

选取上升最大的567331、下降最大的567311；变化比较平稳(占80%)的567301进行了对比分析。

表1 沉降预测数据与实测数据之差 mm

从图2、表1中可以看出，选取上升最大的监测点小波神经网络更为接近实测数据，变化较为平稳的567301更为明显，预测精度更高，预测结果和实测数据更加吻合。

3 结论

成功的将Matlab语言的核心代码编译成C++代码，并编写了一套沉降预测软件，避免了Matlab语言繁琐的程序运行及操作界面，很大程度上方便了现实工程的使用，经反复的测试和运行调试，效果良好。

从石家庄至济南客运专线沉降评估、丹阳沉降监测、安徽铁路沉降监测、大西沉降评估等项目总体运行效果来看，小波神经网络方法和其他沉降预测方法吻合性较好，其收敛性、逼近性及容错能力更强，预测精度更为稳定。

[1] 傅荟璇，赵红.MATLAB神经网络应用设计[M].北京：机械工业出版社，2010:204-206

[2] 张献州，莫春，马下平.高速铁路沉降观测评估预测系统设计与实现[J].铁道勘察，2010，36(4)

[3] 徐明伟，张建民.高速铁路区域地面沉降监测方法的评价分析[J].铁道勘察，2015(1)

[4] 葛玉辉.基于小波神经网络的水汽预报方法研究[D].成都：西南交通大学，2014

[5] 李超，王腾军.小波神经网络在拦渣坝变形预测中的应用研究[J].测绘通报，2012(增刊)：192-193

[6] 曹成度.高速铁路线下工程沉降变形组合预测探讨[J].铁道勘察，2012，38(4)：1-3

[7] 王宇谱，吕志平，陈正生，等.卫星钟差预报的小波神经网络网络算法研究[J].测绘学报，2013，42(3)：323-330

[8] 陈舒阳，徐林荣，曹禄来.基于动态神经网络法考虑区域沉降的高速铁路沉降预测[J].铁道学报，2015，37(5)：83-87

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

GE Yuhui

2016-09-05

葛玉辉(1986—)，男，2013年毕业于西南交通大学大地测量与测量工程专业，工学硕士，助理工程师。

1672-7479(2016)06-0021-02

TU433； P209

A