摘要为了提高变形监测数据预测的精度与可靠性，研究了BP神经网络和RBF神经网络两种预测分析方法，对这两种分析方法的实现方式、预测值、速度时间以及逼近能力方面进行了比较，以分析变形预测预报效果，并结合相关文献的研究成果，对比了BP神经网络和RBF神经网络两种算法的优缺点与差异性。研究结果表明，BP神经网络和RBF神经网络都能对实测数据有较好的预测效果，达到变形预测预报的精度，在变形监测预测预报分析中具有一定参考价值和实用价值。就模型稳定性而言，RBF神经网络模型更稳定，训练学习时间短，预报精度更可靠有效。76481
毕业论文关键词： 变形监测，BP神经网络， RBF神经网络，预测方法
Abstract In order to raise the precision and reliability of the monitoring data to predict the deformation, this paper adopts two kinds of BP neural network and RBF neural network forecasting method to compare, analysis of deformation prediction effect, and combined with the research results of related literature, the advantages and disadvantages and the difference of the two kinds of algorithm is compared with BP neural network and RBF neural network。 The calculation results show that, BP neural network and RBF neural network to the measured data have better fitting effect, achieves the deformation prediction accuracy for analysis and prediction, and has the certain reference value and practical value in the prediction of safety。 As far as the stability of the model is concerned, the RBF neural network model is more stable, the training time is short, and the prediction accuracy is more reliable and effective 。
Key words： Deformation monitoring Back Propagation neural network Radical Basis Function neural network deformation prediction
目 录
摘要 I
Abstract II
图清单。V
表清单。。V
1 绪论 1
1。1 引言 1
1。2 变形监测数据的神经网络预测现状 1
1。3 本文研究内容 1
2 人工神经网络相关概念介绍 2
2。1 人工神经网络概念的界定 2
2。2 人工神经网络的特点 3
2。3 人工神经网络的常见模型 3
2。4 神经网络工具箱函数 4
3 BP模型的构建及使用 5
3。1 处理数据 5
3。1。1 数据的前期处理 5
3。1。2 预处理数据 5
3。2 模型的构建和使用 5
3。2。1 网络结构的构建 5
3。2。2 基于newff构建BP网络 6
3。2。3 网络训练 7
3。2。4 网络测试 8
4 径向基（RBF）神经网络理论及其学习 9
4。1 RBF模型及其结构特征 9
4。2 确定网络输入 变形监测数据的神经网络预测方法分析与比较:http://www.youerw.com/shuxue/lunwen_87746.html