基于Kalman滤波的灰色神经网络边坡预测

摘要：

为了提高高速公路边坡预测的准确性,全面反映边坡监测点的运动状态与边坡位移的沉降趋势,针对边坡变形监测的数据特征,结合某高速公路边坡变形实例,利用Kalman滤波方法减小甚至消除噪声,从而提取出能反应边坡主体变形特性的有用信号,并对滤波后的监测序列进行GM(1,1)变形预测;利用遗传算法优化的BP神经网络对残差进行修正,得到最终的边坡位移沉降预测值.研究结果表明,所得到的预测结果较其他模型有优势,很好地解决了真实位移变化情况的还原问题,为边坡数据处理与预测提供了一个好方法.

关键词：道路工程、边坡预测、组合模型、Kalman滤波

所属期刊栏目：35

分类号：U417.2(道路工程)

在线出版日期：2018-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：118-122