小波神经网络在隧道围岩位移预测中的研究

韩德元 尹晓文

(1.广东省江门市政企业集团有限公司，广东 江门 529000; 2.青岛理工大学(临沂)土建系，山东 临沂 273400)

0 引言

随着公路、铁路隧道建设数量的不断增加，隧道围岩稳定性问题越来越突出。在隧道新奥法施工过程中，位移监测对于设计和施工起着极其重要的作用。针对已测量到的围岩变形的数据，通过一定的数值分析方法，获得围岩日变形量以及围岩变形收敛速率等重要参数，对正确把握围岩变形规律及时反馈设计施工，采取有效措施有重要的现实意义［1］。目前用于预测的方法有很多，如回归分析法、灰色预测、时间序列分析、BP神经网络等［2］，其预测精度不断提高。但由于隧道变形量变化的随机性和复杂性很强，各种方法均有其适用性，尚需不断完善和改进。人工神经网络是应用效果较好的一种预测方法，利用其强大的非线性映射能力，在复杂的非线性系统中具有较高的建模能力及对数据的良好拟合能力［3］。

1 小波神经网络

小波分析是20世纪80年代发展起来的一种新兴的数学理论和方法，被认为是数学领域的工具和方法上的重大突破。小波神经网络(Wavelet Neural Network)是由法国著名的信息科学研究机构IRI-SA的Zhang Qinghua等人于1992年提出［4］的一种新兴的数学建模分析方法，是结合最近发展的小波变换与人工神经网络的思想而形成的一种新的前馈型神经网络模型。

建立小波神经网络模型的方法有两种，一种是先通过小波对时间序列进行小波分解，得到小……