基于多传感器和RBF神经网络的建筑沉降监测

肖雄亮，任 艳，方月娥

（1.湖南信息学院电子信息学院，湖南 长沙 410151；2.新疆财经大学信息管理学院，新疆乌鲁木齐 830012；3.湖南水利水电职业技术学院电力工程系，湖南长沙 410131）

随着我国房地产行业的爆发式发展，广大人民群众的住房条件得到了较大改善，高层和超高层建筑层出不穷。但是，随着时间的推移，建筑物不可避免地会发生结构性变化，例如形变和沉降等可能导致较大的安全问题[1-3]。因此，为了对上述安全隐患进行有效预防，需要对建筑物结构各个方面的参数指标进行准确的监测，以便合理评估其健康状态。

目前，针对建筑物结构的监测主要包括两个方向[4]：1）采用各种力学传感设备进行应力应变的监测；2）采用各种学科交叉技术（计算机、传感网和图像处理等）进行建筑结构的位移监测。近些年，第二种方法成为了研究人员的热门方向，并提出了大量的在线联网监测系统或者方案。例如，文献[5]对传统几何水准测量方法进行了改进，提出了一种挂尺观测方法，该方法有效实现了建筑物沉降监测，提高了监测的连续性和工作效率。但是，该方法仍采用传统的经纬仪和位移计等设备来对建筑结构的状态进行评估，无法对可能的沉降点相关信息进行预测。为了实现准确的沉降预测，文献[6]提出了基于小波神经网络的建筑工程沉降变形预测方法。文献[7]提出了一种基于PSO-BP 神经网络的建筑物沉降预测模型。相比于传统的BP 神经网络模型，小波神经网络模型和PSO-BP 神经网络模型的预测精度均获得了一定的提升。……