一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法。
【背景技術(shù)】
[0002]邊坡變形受降水、地下水位、內(nèi)部應(yīng)力變化等多種因素影響，導(dǎo)致不同邊坡的變形機(jī)理不盡相同，其變形過(guò)程具有復(fù)雜性、隨機(jī)性和不確定性，邊坡的變形預(yù)測(cè)仍然是一項(xiàng)困難的課題。
[0003]邊坡由于外形結(jié)構(gòu)復(fù)雜，通常具有不規(guī)則的外形和輪廓，在力學(xué)分析時(shí)，通常很難能夠計(jì)算得到邊坡結(jié)構(gòu)的重心，就很難對(duì)邊坡的運(yùn)動(dòng)趨勢(shì)做相應(yīng)的整體性預(yù)測(cè)，為道路安全帶來(lái)了重大的隱患。
[0004]現(xiàn)在邊坡的種類已經(jīng)相對(duì)固定，即物理性能比如密度和材質(zhì)等信息已經(jīng)相對(duì)固定，測(cè)量技術(shù)的發(fā)展，也能夠精確的獲知邊坡的三維形狀。

【發(fā)明內(nèi)容】

[0005]本發(fā)明針對(duì)以上問(wèn)題的提出，而研制的一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，具有如下步驟:
[0006]一對(duì)邊坡進(jìn)行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計(jì)算機(jī)為所述的有限元模型，計(jì)算得到邊坡重心的位置；
[0007]一重復(fù)上述步驟，建立邊坡重心數(shù)據(jù)庫(kù)；
[0008]一對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，根據(jù)有限元的數(shù)量和邊坡的物理參數(shù)，建立當(dāng)前邊坡的重心的預(yù)測(cè)函數(shù)；
[0009]一調(diào)用數(shù)據(jù)庫(kù)中的模擬數(shù)據(jù)庫(kù)中與當(dāng)前邊坡參數(shù)相關(guān)的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)；
[0010]一將所述待檢測(cè)的邊坡的有限元和物理參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。
[0011]對(duì)于由預(yù)測(cè)函數(shù)計(jì)算得出的當(dāng)前邊坡重心預(yù)測(cè)結(jié)果，采用質(zhì)心算法進(jìn)行結(jié)果修正。
[0012]所述的數(shù)據(jù)庫(kù)中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸、邊坡結(jié)構(gòu)和邊坡材質(zhì)。
[0013]對(duì)于待測(cè)的邊坡的有限元特征點(diǎn)，使用插值的方法，近似到數(shù)據(jù)庫(kù)中近似邊坡的有限元。
[0014]根據(jù)分析得出待檢測(cè)邊坡的有限元，在數(shù)據(jù)庫(kù)中調(diào)取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對(duì)所述的目標(biāo)函數(shù)進(jìn)行訓(xùn)練。
[0015]由于采用了上述技術(shù)方案，本發(fā)明提供的一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，通過(guò)對(duì)現(xiàn)有邊坡進(jìn)行大量的分析測(cè)試，形成數(shù)據(jù)庫(kù)，對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，形成目標(biāo)分析函數(shù)，對(duì)函數(shù)使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后得到邊坡的重心位置，相較于傳統(tǒng)的分析方法，具有更高更科學(xué)的分析精度，非常方便預(yù)測(cè)邊坡運(yùn)動(dòng)。
【附圖說(shuō)明】
[0016]為了更清楚的說(shuō)明本發(fā)明的實(shí)施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖做一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0017]圖1為本發(fā)明的流程圖
【具體實(shí)施方式】
[0018]為使本發(fā)明的實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚完整的描述:
[0019]如圖1所示:一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，主要包括如下步驟:
[0020]首先，對(duì)邊坡進(jìn)行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計(jì)算機(jī)為所述的有限元模型，計(jì)算得到邊坡重心的位置。
[0021 ] 然后，重復(fù)上述步驟，建立邊坡重心數(shù)據(jù)庫(kù)。
[0022]其次，對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，根據(jù)有限元的數(shù)量和邊坡的物理參數(shù)，建立當(dāng)前邊坡的重心的預(yù)測(cè)函數(shù)；
[0023]調(diào)用數(shù)據(jù)庫(kù)中的模擬數(shù)據(jù)庫(kù)中與當(dāng)前邊坡參數(shù)相關(guān)的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)。
[0024]最后，將所述待檢測(cè)的邊坡的有限元和物理參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。
[0025]為了進(jìn)一步的增加測(cè)算的精度，作為一個(gè)較佳的實(shí)施方式，對(duì)于由預(yù)測(cè)函數(shù)計(jì)算得出的當(dāng)前邊坡重心預(yù)測(cè)結(jié)果，采用質(zhì)心算法進(jìn)行結(jié)果修正。
[0026]為了增加預(yù)測(cè)的精度，保證在具有一定數(shù)量樣本的情況下，保證預(yù)測(cè)精度。作為一個(gè)較佳的實(shí)施方式，所述的數(shù)據(jù)庫(kù)中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸、邊坡結(jié)構(gòu)和邊坡材質(zhì)。
[0027]考慮到，實(shí)際過(guò)程中邊坡的有限元，與數(shù)據(jù)庫(kù)中的有限元可能不對(duì)應(yīng)，對(duì)于待測(cè)的邊坡的有限元特征點(diǎn)，使用插值的方法，近似到數(shù)據(jù)庫(kù)中近似邊坡的有限元。
[0028]為了減少運(yùn)算量，作為一個(gè)較佳的實(shí)施方式，根據(jù)分析得出待檢測(cè)邊坡的有限元，在數(shù)據(jù)庫(kù)中調(diào)取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對(duì)所述的目標(biāo)函數(shù)進(jìn)行訓(xùn)練。
[0029]以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，具有如下步驟: 一對(duì)邊坡進(jìn)行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計(jì)算機(jī)為所述的有限元模型，計(jì)算得到邊坡重心的位置； 一重復(fù)上述步驟，建立邊坡重心數(shù)據(jù)庫(kù)； 一對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，根據(jù)有限元的數(shù)量和邊坡的物理參數(shù)，建立當(dāng)前邊坡的重心的預(yù)測(cè)函數(shù)； 一調(diào)用數(shù)據(jù)庫(kù)中的模擬數(shù)據(jù)庫(kù)中與當(dāng)前邊坡參數(shù)相關(guān)的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)； 一將所述待檢測(cè)的邊坡的有限元和物理參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，其特征還在于:對(duì)于由預(yù)測(cè)函數(shù)計(jì)算得出的當(dāng)前邊坡重心預(yù)測(cè)結(jié)果，采用質(zhì)心算法進(jìn)行結(jié)果修正。
3.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，其特征還在于:所述的數(shù)據(jù)庫(kù)中邊坡數(shù)據(jù)至少包含:邊坡種類、邊坡尺寸、邊坡結(jié)構(gòu)和邊坡材質(zhì)。
4.根據(jù)權(quán)利要求1所述的一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，其特征還在于:對(duì)于待測(cè)的邊坡的有限元特征點(diǎn)，使用插值的方法，近似到數(shù)據(jù)庫(kù)中近似邊坡的有限J Li ο
5.根據(jù)權(quán)利要求3所述的一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，其特征還在于:根據(jù)分析得出待檢測(cè)邊坡的有限元，在數(shù)據(jù)庫(kù)中調(diào)取與之類似的邊坡數(shù)據(jù)，形成相似數(shù)據(jù)集，使用相似數(shù)據(jù)集對(duì)所述的目標(biāo)函數(shù)進(jìn)行訓(xùn)練。
【專利摘要】本發(fā)明公開(kāi)了一種基于人工神經(jīng)網(wǎng)絡(luò)和質(zhì)心算法的定位方法，具有如下步驟：對(duì)邊坡進(jìn)行有限元分析并采集物理參數(shù)，得到邊坡的三維有限元模型；使用計(jì)算機(jī)為所述的有限元模型，計(jì)算得到邊坡重心的位置；對(duì)待檢測(cè)的邊坡進(jìn)行有限元分析，調(diào)用數(shù)據(jù)庫(kù)中的模擬數(shù)據(jù)庫(kù)中與當(dāng)前邊坡參數(shù)相關(guān)的邊坡數(shù)據(jù)，使用人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練所述的預(yù)測(cè)函數(shù)，得到成熟的目標(biāo)函數(shù)；將所述待檢測(cè)的邊坡的有限元和物理參數(shù)帶入所述成熟的目標(biāo)函數(shù)，得到當(dāng)前滑動(dòng)位移序列的預(yù)測(cè)結(jié)果。相較于傳統(tǒng)的分析方法，具有更高更科學(xué)的分析精度，非常方便預(yù)測(cè)邊坡運(yùn)動(dòng)。
【IPC分類】G06F17-30, G01M1-12
【公開(kāi)號(hào)】CN104636357
【申請(qǐng)?zhí)枴緾N201310553275
【發(fā)明人】陳 峰, 劉殿英
【申請(qǐng)人】大連市勘察測(cè)繪研究院有限公司
【公開(kāi)日】2015年5月20日
【申請(qǐng)日】2013年11月7日