边坡变形分析与预报的模糊人工神经网络方法

邓跃进; 王葆元; 张正禄

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

边坡变形分析与预报的模糊人工神经网络方法

邓跃进, 王葆元, 张正禄

文章导航 > 武汉大学学报 ( 信息科学版) > 1998 > 23(1): 26-31

邓跃进, 王葆元, 张正禄. 边坡变形分析与预报的模糊人工神经网络方法[J]. 武汉大学学报 ( 信息科学版), 1998, 23(1): 26-31.

引用本文:

邓跃进, 王葆元, 张正禄. 边坡变形分析与预报的模糊人工神经网络方法[J]. 武汉大学学报 ( 信息科学版), 1998, 23(1): 26-31.

Deng Yuejin, Wang Baoyuan, Zhang Zhenglu. Application of Fuzzy Artifical Neural Network to the Deformation Analysis and Predication of Side Slope[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 26-31.

Citation:

Deng Yuejin, Wang Baoyuan, Zhang Zhenglu. Application of Fuzzy Artifical Neural Network to the Deformation Analysis and Predication of Side Slope[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 26-31.

边坡变形分析与预报的模糊人工神经网络方法

武汉测绘科技大学地学测量工程学院, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金

详细信息

作者简介:
邓跃进,男,28岁,博士生,现从事变形分析、人工智能及小波理论研究。

中图分类号: TP391;P642

Application of Fuzzy Artifical Neural Network to the Deformation Analysis and Predication of Side Slope

School of Geo-science and Surveying Engineering, WTUSM, 129 Luoyu Road, Wuhan, China, 430079

摘要: 边坡变形受地质、水文、气候、突发因素(如暴雨、地震)、人工活动(如开挖或防护)等各种因素的影响,这些因素与变形之间一般不是确定的定量关系。本文介绍了不同影响因素与位移量的模糊关系及位移量的模糊近似推论,在此基础上应用模糊人工神经网络进行位移量预报,并以一个边坡监测资料为例说明了具体的应用方法。
- 模糊关系 /
- 模糊近似推论 /
- 模糊人工神经网络 /
- 变形预报
Abstract: The deformation of a side slope depends on several factors,such as geological condition,rainfall and underground water.However,the relationships between these factors and deformation can not be surely regarded as determinate and quantitative.In this paper the fuzzy relationships between different factors and displacement as well as the fuzzy approximate inference of displacement are analyzed,then based on this the application of fuzzy artifical neural network to deformation predication is introduced and demonstrated by a practical example of a side slope deformation monitoring.
- fuzzy relationship /
- fuzzy approximate inference /
- fuzzy artifical neural network /
- deformation predication

[1]	李玉, 胡海峰, 赵雪梅, 赵泉华. 基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割 . 武汉大学学报 ( 信息科学版), 2018, 43(7): 984-992. doi: 10.13203/j.whugis20160149
[2]	李晓杰, 郭睿, 黄金, 朱陵凤, 谭红力, 董恩强. 神经网络在北斗导航卫星轨道预报中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1253-1258. doi: 10.13203/j .whu g is20130603
[3]	王宇谱, 吕志平, 崔阳, 吕浩, 李林阳. 利用遗传小波神经网络预报导航卫星钟差 . 武汉大学学报 ( 信息科学版), 2014, 39(7): 809-814.
[4]	郭继发, 刘玉洁, 毛健, 崔铁军. 高阶模糊区域的交叉拓扑关系形式化研究 . 武汉大学学报 ( 信息科学版), 2014, 39(2): 196-200. doi: 10.13203/j.whugis20120691
[5]	薛志宏, 楼益栋, 易文婷, 董洋洋. 一种适用于动态变形测量的双频模糊度实时解算方法 . 武汉大学学报 ( 信息科学版), 2012, 37(6): 683-687.
[6]	冯威, 黄丁发, 严丽, 李萌. GNSS双频整周关系约束模糊度算法研究 . 武汉大学学报 ( 信息科学版), 2012, 37(8): 945-948.
[7]	郭继发. 高阶模糊地理对象的方向关系研究 . 武汉大学学报 ( 信息科学版), 2011, 36(12): 1414-1417.
[8]	张正禄, 王小敏, 邓勇, 谢年生. 模糊神经网络在变形分析与预报中的应用研究 . 武汉大学学报 ( 信息科学版), 2010, 35(1): 6-8.
[9]	吴柯, 牛瑞卿, 李平湘, 张良培. 基于模糊ARTMAP神经网络模型的遥感影像亚像元定位 . 武汉大学学报 ( 信息科学版), 2009, 34(3): 297-300.
[10]	何建华, 刘耀林, 俞艳. 不确定方向关系的模糊描述模型 . 武汉大学学报 ( 信息科学版), 2008, 33(3): 257-260.
[11]	邓兴升, 王新洲. 动态神经网络在变形预报中的应用 . 武汉大学学报 ( 信息科学版), 2008, 33(1): 93-96.
[12]	王新洲, 花向红, 邱蕾. GPS变形监测中整周模糊度解算的新方法 . 武汉大学学报 ( 信息科学版), 2007, 32(1): 24-26.
[13]	黄海, 祝国瑞. 基于模糊神经网络的土地合理储备量预测研究 . 武汉大学学报 ( 信息科学版), 2006, 31(6): 561-563.
[14]	王志国, 陈立, 刘玉成, 张春燕. 遗传算子对径流预报神经网络模型的影响 . 武汉大学学报 ( 信息科学版), 2005, 30(11): 1020-1024.
[15]	王新洲, 邓兴升. 大坝变形预报的模糊神经网络模型 . 武汉大学学报 ( 信息科学版), 2005, 30(7): 588-591.
[16]	焦利民, 刘耀林. 土地适宜性评价的模糊神经网络模型 . 武汉大学学报 ( 信息科学版), 2004, 29(6): 513-516.
[17]	贺华中, 樊红, 吴凡. 模糊关系数据库中数据的特点和完整性研究 . 武汉大学学报 ( 信息科学版), 1999, 24(2): 174-176,187.
[18]	徐进军. 线性综合模型用于崩滑体变形预报的研究 . 武汉大学学报 ( 信息科学版), 1997, 22(4): 355-357.
[19]	王新洲. 顾及模糊逻辑关系的稳健估计 . 武汉大学学报 ( 信息科学版), 1996, 21(4): 338-343.
[20]	张正禄, 邓克寰. 宝钢引水库大坝水平位移监测评价和变形分析 . 武汉大学学报 ( 信息科学版), 1992, 17(4): 26-33.

点击查看大图

计量

文章访问数: 571
HTML全文浏览量: 17
PDF下载量: 204
被引次数: 0

边坡变形分析与预报的模糊人工神经网络方法

武汉测绘科技大学地学测量工程学院, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金

作者简介:
邓跃进,男,28岁,博士生,现从事变形分析、人工智能及小波理论研究。

收稿日期: 1997-03-05
刊出日期: 1998-01-05

中图分类号: TP391;P642

关键词:

摘要: 边坡变形受地质、水文、气候、突发因素(如暴雨、地震)、人工活动(如开挖或防护)等各种因素的影响,这些因素与变形之间一般不是确定的定量关系。本文介绍了不同影响因素与位移量的模糊关系及位移量的模糊近似推论,在此基础上应用模糊人工神经网络进行位移量预报,并以一个边坡监测资料为例说明了具体的应用方法。