赵亚红, 郝延锦, 丁建闯

(华北科技学院 建筑工程学院，北京 东燕郊 065201)

RBF神经网络优化灰线性回归模型预测建模

赵亚红, 郝延锦, 丁建闯

(华北科技学院 建筑工程学院，北京 东燕郊 065201)

针对建筑物地基沉降的机理以及RBF(Radial Basis Function,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点，通过反复试验，优化设计，建立了RBF神经网络，并用该网络优化灰线性回归预测模型，建立RBF灰线性组合预测模型。通过工程实例，比较分析了单一灰色模型、灰线性回归模型、RBF优化的灰线性回归模型的预测精度。结果表明，RBF优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型，预测中误差达到0.0014 mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。

RBF；优化；灰线性回归模型；沉降预测

0 引言

在 工程建设的各个阶段，建筑物(或构筑物)所引发的安全问题都关系到人民的生命和财产，受到社会各界的广泛关注，因此变形监测与预测变得尤为重要[1]。为了研究建筑物变形趋势与规律，很多学者运用了各种各样的预测模型算法，有灰色理论、时序分析、马尔科夫理论、支持向量机、神经网络等，但实践证明单一的理论、方法或模型，很难对变形进行可靠性预测，因此单一模型改进以及多种组合模型广泛应用于建筑物变形预测中。组合模型可以扬长避短，兼具了各个单一模型的优点，被广泛的应用。

灰色GM(1,1)是利用最小二乘算法计算指数模型的参数，也是灰色理论中最简单的模型。……