高斯函数模型在变形监测数据处理中的应用

金属矿山 ›› 2015, Vol. 44 ›› Issue (04): 178-181.

高斯函数模型在变形监测数据处理中的应用

王江荣

兰州石化职业技术学院信息处理与控制工程系，甘肃兰州 730060

出版日期:2015-04-15 发布日期:2015-08-04
基金资助:
* 甘肃省科技厅项目（编号：1204GKCA004），甘肃省财政厅专项资金项目（编号：甘财教［2013］116号）。

Application of the Gauss Function Model in Data Processing of Deformation Monitoring

Wang Jiangrong

Department of Information Processing and Control Engineering, Lanzhou Petrochemical College of Vocational Technology，Lanzhou 730060，China

Online:2015-04-15 Published:2015-08-04

摘要/Abstract

摘要： 建立了一种结构简单、精确度高、可操作性强的大坝变形数据高斯函数预测模型，克服了已有方法的不足。建模时利用MATLAB 遗传算法工具箱的主要函数ga（）求出模型系数的初始值，再用搜索工具箱中的fminsearch 函数求出模型系数的最终值。用16期观测数据建模，再用4期变形数据对模型进行检验，检验结果表明所建模型具有很高的精确度，预测效果远好于已有的一些预测模型，为变形预测提供了一种新方法、新思路。

关键词: 变形预测, 高斯函数, 遗传算法, MATLAB

Abstract: With characteristics of simple structure，high precision，and high operability，a gauss function model of predicting deformation data for dams is set up to overcome the shortcomings of the existing methods.The main function of ga（) in the genetic algorithm toolbox(MATLAB) is adopted to calculate the initial value of model coefficient，and then the fminsearch function in search toolbox is used to obtain the final value of model coefficient.16 sets of observation data are used to make modeling，and 4 groups of deformation data are used to test the model.The testing results show that the model has high accuracy，and its prediction is far better than other existing prediction model.This new model provides a new method and new idea for deformation prediction.

Key words: Deformation prediction, Gaussian function, Genetic algorithm, MATLAB

王江荣. 高斯函数模型在变形监测数据处理中的应用[J]. 金属矿山, 2015, 44(04): 178-181.

WANG Jiang-Rong. Application of the Gauss Function Model in Data Processing of Deformation Monitoring[J]. Metal Mine, 2015, 44(04): 178-181.

[1]	庞俊勇, 刘　俊, 郑靓婧, 李瑶鹤, 苏红艳. 基于GA-PSO 混合优化SVR 的边坡危岩体稳定性评价模型[J]. 金属矿山, 2024, 53(9): 237-.
[2]	陈延康, 郭广礼, 孟　浩, 张连贵, 郑　辉, 李怀展, 张浩宇. 陕蒙矿区深部开采导水裂隙带发育特征与高度预测方法[J]. 金属矿山, 2024, 53(4): 186-.
[3]	李洪伟, 吴延梦, 潘　乐, 朱　成, 杨赛群, 黄昕旭. 基于DIC 的露天矿山微差爆破模型试验及数值模拟[J]. 金属矿山, 2024, 53(3): 131-.
[4]	聂秀珍, 焦迎雪, 张霞. 融合优化遗传算法和变步长蚁群算法的矿山巡检机器人路径规划[J]. 金属矿山, 2023, 52(07): 248-253.
[5]	倪彬, 张伟, 刘晓明, 汪朝. 基于改进能量极值法的微震信号与爆破信号识别方法[J]. 金属矿山, 2023, 52(07): 185-191.
[6]	汪泉, 杨礼澳, 李烨, 黄小明, 李瑞. 基于 Matlab 的爆破降尘效果定量化分析软件开发及应用[J]. 金属矿山, 2023, 52(05): 195-201.
[7]	韩会军, 乔栋磊, 何聪, 梁斌. 高地应力隧道软岩大变形预测分析及控制措施[J]. 金属矿山, 2023, 52(02): 49-57.
[8]	梁尔祝, 徐淼, 谷传宝, 莫宏毅, 徐振洋. 基于 SA-GA 模糊熵的 VMD 算法在爆破振动信号分解中的应用[J]. 金属矿山, 2022, 51(02): 75-82.
[9]	陈何, 万串串, 王湖鑫, . 束状孔当量球形药包爆破漏斗的模型研究[J]. 金属矿山, 2021, 50(05): 36-42.
[10]	孙振华, 杨天鸿, 安琦, 辛全明 . 基于IAGA+M-SVR的岩土参数反分析方法及其工程应用[J]. 金属矿山, 2020, 49(04): 32-38.
[11]	熊迪, 吴浩, 杨剑, 郭世泰. 回归分析与抗差卡尔曼滤波协同下大型边坡短期变形的预测方法[J]. 金属矿山, 2019, 48(04): 163-167.
[12]	东龙宾, 王少泉, 张华, 周育, 何祥. 考虑多因素的一步矿房采场跨度优化[J]. 金属矿山, 2018, 47(10): 31-35.
[13]	司剑峰, 钟东望, 涂圣武, 陈晨, 黄雄. 爆破裂纹形态统计的图像特征提取技术研究[J]. 金属矿山, 2018, 47(03): 146-150.
[14]	陈慧, 韩恒梅. 江西盘古山钨矿区开采沉陷预计的GA-SVA算法[J]. 金属矿山, 2018, 47(01): 143-146.
[15]	张晓龙, 胡军, 赵天毅. 考虑粒径分级的排土场稳定性分析[J]. 金属矿山, 2016, 45(10): 171-176.

扫码分享