午啪啪夜福利无码亚洲,亚洲欧美suv精品,欧洲尺码日本尺码专线美国,老狼影院成年女人大片

1、高層建筑物沉降監(jiān)測王觀鵬陳建忠山東省國土測繪院摘要：主要采用小波神經(jīng)網(wǎng)絡(luò)法對高層建筑物的沉降進(jìn)行監(jiān)測，對小波神經(jīng)網(wǎng)絡(luò)模型 的構(gòu)建進(jìn)行分析，同時(shí)結(jié)合威海市的高層建筑沉降值監(jiān)測，確定小波神經(jīng)網(wǎng)絡(luò) 監(jiān)測法的準(zhǔn)確度以及誤差，通過分析發(fā)現(xiàn)，小波神經(jīng)網(wǎng)絡(luò)監(jiān)測法具有更高的準(zhǔn) 確度以及較低的誤差，適用于高層建筑物沉降的監(jiān)測。關(guān)鍵詞：高層建筑物;沉降;小波神經(jīng)網(wǎng)絡(luò);作者簡介：王觀鵬（1983）,男，山東聊城人，工程師，從事大地控制及海洋 測量研究。收稿日期：2017-06-15Settlement Monitoring of High-RiseBuildingWANG Guan-peng CHEN Jian-z2、hongShandong Province Land Surveying and MappingInstitute;Abstract：This paper mainly adopts the wavelet neural network to monitor the subsidence of high-rise building, analyzes the construct!on of wavelet neural network model, combining with the subsidenee monitoring of high-rise building in Weihai 3、city at the same time, determines the accurac) and error of the wavelet neural network monitoring method, through the analysis, we find that the wavele t neural net work monito ring method has higher accuracy and lower error, and is suitable for tall building subsidenee moni LoringKeyword：high-rise 4、buildings; settlement; wavelet neural network;Received： 2017-06-151引言隨著我國城市化發(fā)展進(jìn)程的不斷加快，高層建筑己經(jīng)逐漸應(yīng)用于人們的?；钪? 但是由于受到施工質(zhì)量以及載荷等因素的影響，導(dǎo)致建筑物容易岀現(xiàn)沉降以及 扭曲等現(xiàn)彖，監(jiān)測建筑物沉降，可預(yù)測建筑物的變形。口前，多種因素的影響, 會(huì)導(dǎo)致各種方式的預(yù)測均具有一定的局限性。但在小波監(jiān)測法結(jié)合BP模型進(jìn)行 預(yù)測后，可有效提升預(yù)測精度1。2小波神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建小波神經(jīng)網(wǎng)絡(luò)具有局域化性質(zhì)以及自學(xué)習(xí)功能，通過數(shù)學(xué)建模分析方式，采用 函數(shù)的分析方法，可以將局域性特點(diǎn)以及神經(jīng)網(wǎng)絡(luò)相結(jié)合，5、使其具備較高的精 確度及1。2.1學(xué)習(xí)算法分析在小波神經(jīng)網(wǎng)絡(luò)算法的分析中，其是建立在BP模型基礎(chǔ)上的函數(shù)，其網(wǎng)絡(luò)結(jié)構(gòu) 函數(shù)如式（1）所示：式中，D,為i點(diǎn)的對角;R,為i點(diǎn)的旋轉(zhuǎn)矩陣；為允許條件下的函數(shù)，表示小波 變換的過程;g （x）為網(wǎng)絡(luò)結(jié)構(gòu)函數(shù)；5為i點(diǎn)的旋轉(zhuǎn)角度;心為第i個(gè)指標(biāo);x 為指標(biāo)平均值;g為頻域窗口。為了尋找函數(shù)的計(jì)算方法，將樣本組定義為式（2）:式中，Vi為i點(diǎn)的噪聲向量;f （xj為i點(diǎn)的指標(biāo)函數(shù);Xi和yi分別表示i點(diǎn)的 預(yù)測值和實(shí)際值。在小波變換過程中，將單個(gè)小波函數(shù)逆變換作為函數(shù)，則可以確定誤差函數(shù)的 偏導(dǎo)數(shù)如式（3）所示：式中，為誤差;diag為單個(gè)小波函數(shù)逆變換6、的矩陣為常數(shù)；巾是（1）經(jīng)過小波變換后得到的函數(shù)。在小波分析法的應(yīng)用中，由于旋轉(zhuǎn)矩陣具有些許復(fù)雜性，因而在測定中，主要 采用旋轉(zhuǎn)矩陣分解以及簡單組合的方式進(jìn)行計(jì)算，提升數(shù)據(jù)計(jì)算的準(zhǔn)確性。2. 2變形預(yù)測模型在小波神經(jīng)網(wǎng)絡(luò)的模型預(yù)測中，需要對時(shí)間序列進(jìn)行綜合預(yù)測分析，采用非線 性的方式來選擇指標(biāo)3,本次研究經(jīng)過分析對比，最終確定計(jì)算結(jié)果。在數(shù)據(jù)計(jì)算的過程屮，對于具有m個(gè)模型的函數(shù)，其函數(shù)如式（4）所示:式中，y表示變形預(yù)測函數(shù)；巾表示各項(xiàng)觀測值。通過對函數(shù)的預(yù)測，可以運(yùn)用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合分析，如式（5）所示:式中，xt （i）為第i中方法在t時(shí)刻的預(yù)測值;m為基個(gè)數(shù)；巾為各項(xiàng)觀測值；（5 為7、k點(diǎn)的旋轉(zhuǎn)角度；et（x）為小波神經(jīng)網(wǎng)絡(luò)預(yù)測函數(shù);氐、乩和山均為&矩陣的 常數(shù)項(xiàng)。如果序列之不是0,可以確定其映射如式（6）所示：式中，x （t）為殘差序列;f （t）為趨勢項(xiàng);y （t）為映射指標(biāo)。通過對殘差序列的分析，可以確定小波神經(jīng)網(wǎng)絡(luò)的預(yù)測值。2. 3模型構(gòu)建在小波神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建中，其改進(jìn)了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的速度慢以及穩(wěn)定性 差等特點(diǎn)，其主要步驟如下。1）在構(gòu)建小波神經(jīng)網(wǎng)絡(luò)的過程中國，需要對網(wǎng)絡(luò)參數(shù)進(jìn)行初始化，其參數(shù)為伸 縮因子、平移因子以及網(wǎng)絡(luò)連接權(quán)重，分別賦值為弘、b和牡，并且需要賦以所 及的初始數(shù)值。2）需要輸入學(xué)習(xí)樣本的矢量，其式中，X為學(xué)習(xí)樣木矢量;X表示不同觀測點(diǎn)的觀測8、值。在輸入樣木后，需要輸入相應(yīng)的期望輸出值d。3）在網(wǎng)絡(luò)學(xué)習(xí)過程屮，需要利用網(wǎng)絡(luò)參數(shù)來計(jì)算相應(yīng)的輸出值。4）在I舜時(shí)梯度的計(jì)算中，令式中，X/為瞬時(shí)梯度下樣木矢量X的梯度值;Xi為觀測值;b和創(chuàng)為常數(shù);M為i 的最大值;產(chǎn)（u）為瞬時(shí)梯度函數(shù)的導(dǎo)數(shù);f （u）為瞬時(shí)梯度的導(dǎo)數(shù);u為樣本 矢量的瞬時(shí)梯度。通過式（7）和式（8）的計(jì)算，可以確定瞬時(shí)梯度如式（9）所示：式中，g （aj為瞬吋梯度，X為觀測值，m為梯度層數(shù);g （bj為指標(biāo)函數(shù)迢k 和bk為樣本k點(diǎn)的數(shù)值。5）在誤差的分析中，通過網(wǎng)絡(luò)訓(xùn)練，調(diào)整氐、bk,可以確定其網(wǎng)絡(luò)誤差為：式中，覽為誤差，虬為以往誤差，覽為誤差變化值。3小波神經(jīng)網(wǎng)絡(luò)9、在高層建筑物沉降監(jiān)測中的應(yīng)用本次研究以小波神經(jīng)網(wǎng)絡(luò)對威海市某高層建筑的沉降進(jìn)行監(jiān)測，在觀測過程中, 釆用TOPCON DL-101C電子水準(zhǔn)儀進(jìn)行檢測，變形精度要求按照建筑變形測量 規(guī)范（JGJ 8-2007）標(biāo)準(zhǔn)，測量過程中，保證檢測人員的位置固定和儀器的 固定，根據(jù)建筑物，共設(shè)計(jì)11個(gè)觀測點(diǎn)，研究在2016年3月2016年12月完 成，行30次觀測。在首次測量中，采取2次平均值作為觀測結(jié)果，計(jì)算出建筑 11個(gè)點(diǎn)的沉降值，本次研究以3號觀測點(diǎn)為數(shù)據(jù)模型。3.1數(shù)據(jù)處理及分析在本次研究屮，采用小波神經(jīng)網(wǎng)絡(luò)模型來分析建筑物的沉降數(shù)據(jù)，并且對出具 進(jìn)行處理，通過30期的觀測，采用后10期的數(shù)據(jù)來完10、成驗(yàn)證對比，以此來確定 檢測的準(zhǔn)確性和對建筑物的沉降值預(yù)測，其計(jì)算結(jié)果如表1所示。表1實(shí)測值與預(yù)測值數(shù)據(jù)對比分析表下載原表3. 2觀測結(jié)果分析在本次研究中發(fā)現(xiàn)，采用小波神經(jīng)網(wǎng)絡(luò)模型處理數(shù)據(jù)，相比于人工處理方式， 其具有更高的精確度，在計(jì)算的過程中，經(jīng)過對絕對差的對比分析發(fā)現(xiàn)，小波 神經(jīng)網(wǎng)絡(luò)的預(yù)測值誤差相對較小，并且殘差值最小為0. 02mm,最大值為0. 90mm, 另外，在神經(jīng)網(wǎng)絡(luò)模型預(yù)測中，其誤差為0.51mm,而小波神經(jīng)網(wǎng)絡(luò)預(yù)測的誤差 為0.31mm,可見，在對高層建筑物的沉降預(yù)測過程屮，小波神經(jīng)網(wǎng)絡(luò)模型具有 更高的準(zhǔn)確性。4結(jié)語本文主要探究高層建筑物沉降的預(yù)測，并口采用小波神經(jīng)網(wǎng)絡(luò)預(yù)測11、模型，其主 要結(jié)論如下：1）傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法可以獲取預(yù)測值和實(shí)際值，并且較為吻合，適合應(yīng)用于高 層建筑物沉降的預(yù)測；2）小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于高層建筑物沉降值的預(yù)測，通過建立模型的方式，可以 提升預(yù)測的準(zhǔn)確性；3）傳統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測方式雖然可用，但是課差相對較大，并且準(zhǔn)確度較低?？傊?，在高層建筑物的沉降值監(jiān)測中，相比于常規(guī)監(jiān)測方式，采用小波神經(jīng)網(wǎng) 絡(luò)方式，具有更高的準(zhǔn)確性，可以降低誤差，較為適合高層建筑物沉降值的監(jiān) 測。參考文獻(xiàn)1 吳紅波，楊肖肖城市高層建筑物沉降監(jiān)測與穩(wěn)定性分析J城市勘測, 2017 （1） :101-104.2 鄭麗高層建筑物沉降監(jiān)測數(shù)據(jù)處理方法研究J.佳木斯大學(xué)學(xué)報(bào)(自然科 學(xué)版),2015 (4) : 539-541.3 王銀平.高層建筑物沉降變形監(jiān)測分析J.江蘇建筑，2014 (3) :37-3&