论文部分内容阅读
为了提高高速公路边坡预测的准确性，全面反映边坡监测点的运动状态与边坡位移的沉降趋势，针对边坡变形监测的数据特征，结合某高速公路边坡变形实例，利用Kalman滤波方法减小甚至消除噪声，从而提取出能反应边坡主体变形特性的有用信号，并对滤波后的监测序列进行GM（1，1）变形预测；利用遗传算法优化的BP神经网络对残差进行修正，得到最终的边坡位移沉降预测值。研究结果表明，所得到的预测结果较其他模型有优势，很好地解决了真实位移变化情况的还原问题，为边坡数据处理与预测提供了一个好方法。