张天航

(铁道第三勘察设计院集团有限公司，天津　300251)



基于小波神经网络高铁运营监测预测方法研究

张天航

(铁道第三勘察设计院集团有限公司，天津300251)

Research on High-Speed Rail Operations Monitoring and Forecasting Method Based on Wavelet Neural Networks

ZHANG Tianhang

摘要以某段高段变形监测项目半年(共7期)的监测数据为例，对当前较为常用的预测方法:指数曲线法、抛物线法、Asaoka法，回归分析法、卡尔曼滤波、灰色理论、仿真分析法、BP神经网络分析法与小波神经网络进行对比分析，得出利用小波神经网络预测模型预测高铁运营沉降在收敛性、容错性、逼近能力上更有优势，预测精度更高，预测结果和实测数据更加吻合的结论。

关键词高铁运营监测小波神经网络对比分析预测

1小波神经网络沉降预测模型

1.1小波神经网络

小波神经网络(Wavelet neural network，简称WNN)利用小波基函数来替代传统神经网络神经元的基函数，将小波分析和神经网络有机组合起来，同时具有小波和神经网络的良好特性，从结构形式上，可分为松散型的小波神经网络和紧致型的小波神经网络两种类型。紧致型的小波神经网络是小波分析和神经网络的融合体，充分体现了二者的有机组合，也是当前应用最为广泛的一种方法，本文采用紧致型的小波神经网络。

紧致型的小波神经网络结构与表达式与BP神经网络基本一致，即由输入层、隐含层、输出层构成，其差别之处在于BP神经网络的激励函数是取sigmoid函数为隐含层神经元f(x)=1/[1+exp(-x)]，而小波神经网络使用的是小波基函数ψ(t)代替sigmoid函数为激励函数，ψ(t)可以根据当前情况进行选取，输出层的激励函数取sigmoid函数f(x)=1/[1+exp(-x)]。……