公开(公告)号：CN105956662A

公开(公告)日：2016-09-21

申请号：CN201610248167.9

申请日：2016-04-20

Applicant: 东南大学

Inventor： 胡伍生 ,  潘栋 ,  王昭斌

IPC: G06N3/08

CPC classification number: G06N3/084 ,  G06N3/086

Abstract: 本发明公开了一种基于BP‑回归分析预测模型的地铁结构变形预报方法，将回归分析预测模型与BP神经网络模型结合起来，构建出BP‑回归分析预测模型，充分利用了BP神经网络模型在非线性变化数据拟合方面的优势，以及回归分析预测模型在对地铁结构变形随时间周期性变化特性的挖掘方面的优势，对地铁结构变形的预报精度高、稳定性好。

公开(公告)号：CN105809246B

公开(公告)日：2018-02-02

申请号：CN201610104834.6

申请日：2016-02-25

Applicant: 东南大学

Inventor： 胡伍生 ,  仲洁 ,  潘栋

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于BP‑时间序列融合的地铁结构变形预报方法，包括以下的步骤：S1：通过已知的地铁结构变形数据分析地铁结构变形随时间的变化特性；S2：构建时间序列预测模型并对地铁结构变形数据进行预测；S3：构建BP‑时间序列融合模型，利用BP神经网络模型对时间序列预测模型所得的地铁结构变形残差进行预报，从而对时间序列预报模型进行补偿。本发明通过将时间序列模型与BP神经网络结合起来，利用神经网络在非线性变化数据拟合方面的优势对时间序列预测模型的误差进行补偿，对地铁结构变形随时间的变化特性进行了充分的挖掘，预报精度高、稳定性好。

公开(公告)号：CN105809246A

公开(公告)日：2016-07-27

申请号：CN201610104834.6

申请日：2016-02-25

Applicant: 东南大学

Inventor： 胡伍生 ,  仲洁 ,  潘栋

IPC: G06N3/04 ,  G06N3/08

CPC classification number: G06N3/0454 ,  G06N3/08

Abstract: 本发明公开了一种基于BP?时间序列融合的地铁结构变形预报方法，包括以下的步骤：S1：通过已知的地铁结构变形数据分析地铁结构变形随时间的变化特性；S2：构建时间序列预测模型并对地铁结构变形数据进行预测；S3：构建BP?时间序列融合模型，利用BP神经网络模型对时间序列预测模型所得的地铁结构变形残差进行预报，从而对时间序列预报模型进行补偿。本发明通过将时间序列模型与BP神经网络结合起来，利用神经网络在非线性变化数据拟合方面的优势对时间序列预测模型的误差进行补偿，对地铁结构变形随时间的变化特性进行了充分的挖掘，预报精度高、稳定性好。