【技術實現步驟摘要】
本專利技術涉及工程地質勘察，尤其涉及一種地面沉降預測方法。
技術介紹
1、地面沉降是指地面水準點高程下降，一般是根據測量地面水準點高程變化來發現的。通過地面沉降監測點的數據，推估內插未監測點的地面沉降量，在數學上屬于插值問題。任意一種內插方法都是基于數據點間有很大的相關性。一般認為，地面沉降主要是由地殼的升降運動(包括斷裂活動)和人為活動所引起。大量研究成果表明，城市的地面沉降幅度與地下水的抽取密切相關，主要表現在對地下水的過量開采，使水位持續下降，導致孔隙水壓力逐漸減小，有效壓力逐漸加大，引起地面沉降。
2、在觀測點覆蓋地區內，估計非觀測點或非抽樣點屬性值的過程，稱為空間插值法。空間插值方法可以分為整體插值和局部插值方法兩類。整體插值方法用研究區所有已知點的數據進行全區特征擬合；局部插值方法是僅僅用鄰近的數據點來估計未知點的值。對于離散的地面沉降監測點，可采用線性內插、近鄰點法、移動擬合法和加權平均法等局部內插方法。但是利用現有方法得到的預測結果與實際觀測值之間仍然存在較大差異。
技術實現思路
1、本專利技術提供一種地面沉降預測方法，以解決上述技術問題。
2、為解決上述技術問題，本專利技術提供一種地面沉降預測方法，包括如下步驟：
3、步驟1：假設區域內共有n個沉降監測點，其中n1個已知點，n2個待插點；
4、步驟2：根據所述已知點的空間位置信息，利用二次曲面擬合法擬合出所有沉降監測點的地面沉降量；
5、步驟3：計算n1個
6、步驟4：構建ppln網絡模型，其中所述ppln網絡模型的輸入為空間位置信息與二次曲面擬合值，輸出為沉降量偏差，利用所述訓練樣本對所述ppln網絡模型進行訓練，得到地面沉降預測模型；
7、步驟5：用訓練好的地面沉降預測模型預測n2個待插點的預測沉降量。
8、較佳地，所述已知點的個數n1大于二次曲面擬合法中二次曲面待求參數的個數。
9、較佳地，所述已知點的個數n1大于6個。
10、較佳地，所述已知點的空間位置信息至少包括已知點的坐標和實際沉降量。
11、較佳地，所述ppln網絡模型的建模方法分為前向生長過程與后向修剪過程。
12、較佳地，所述訓練樣本一部分作為訓練數據，另一部分作為測試數據，訓練數據與測試數據的比例為7:3。
13、較佳地，所述訓練數據中的沉降監測點均勻分布在整個區域內。
14、較佳地，所述ppln網絡模型的收斂控制參數包括損失函數相對誤差閾值和隱層結點數目。
15、較佳地，所述隱層結點數目為4～8個。
16、較佳地，所述隱層結點數目為7個。
17、與現有技術相比，本專利技術提供的地面沉降預測方法具有如下優點：本專利技術充分利用了二次曲面擬合法與ppln方法的優點，二次曲面擬合法計算簡單、方便，減小粗差影響，是對沉降趨勢的一個較貼近的擬合，而ppln方法則可以根據已知點的信息通過自學習調整自身參數擬合出均方誤差最小的信號估值。
本文檔來自技高網...【技術保護點】
1.一種地面沉降預測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的地面沉降預測方法，其特征在于，所述已知點的個數n1大于二次曲面擬合法中二次曲面待求參數的個數。
3.如權利要求2所述的地面沉降預測方法，其特征在于，所述已知點的個數n1大于6個。
4.如權利要求1所述的地面沉降預測方法，其特征在于，所述已知點的空間位置信息至少包括已知點的坐標和實際沉降量。
5.如權利要求1所述的地面沉降預測方法，其特征在于，所述PPLN網絡模型的建模方法分為前向生長過程與后向修剪過程。
6.如權利要求1所述的地面沉降預測方法，其特征在于，所述訓練樣本一部分作為訓練數據，另一部分作為測試數據，訓練數據與測試數據的比例為7:3。
7.如權利要求6所述的地面沉降預測方法，其特征在于，所述訓練數據中的沉降監測點均勻分布在整個區域內。
8.如權利要求1所述的地面沉降預測方法，其特征在于，所述PPLN網絡模型的收斂控制參數包括損失函數相對誤差閾值和隱層結點數目。
9.如權利要求8所述的地面沉降預測方法，其
10.如權利要求9所述的地面沉降預測方法，其特征在于，所述隱層結點數目為7個。
...【技術特征摘要】
1.一種地面沉降預測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的地面沉降預測方法，其特征在于，所述已知點的個數n1大于二次曲面擬合法中二次曲面待求參數的個數。
3.如權利要求2所述的地面沉降預測方法，其特征在于，所述已知點的個數n1大于6個。
4.如權利要求1所述的地面沉降預測方法，其特征在于，所述已知點的空間位置信息至少包括已知點的坐標和實際沉降量。
5.如權利要求1所述的地面沉降預測方法，其特征在于，所述ppln網絡模型的建模方法分為前向生長過程與后向修剪過程。
6.如權利要求1所...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。