一种基于蚁群优化算法和质心算法的定位方法
【技术领域】
[0001]本发明涉及一种基于蚁群优化算法和质心算法的定位方法。
【背景技术】
[0002]边坡变形受降水、地下水位、内部应力变化等多种因素影响，导致不同边坡的变形机理不尽相同，其变形过程具有复杂性、随机性和不确定性，边坡的变形预测仍然是一项困难的课题。
[0003]边坡由于外形结构复杂，通常具有不规则的外形和轮廓，在力学分析时，通常很难能够计算得到边坡结构的重心，就很难对边坡的运动趋势做相应的整体性预测，为道路安全带来了重大的隐患。
[0004]现在边坡的种类已经相对固定，即物理性能比如密度和材质等信息已经相对固定，测量技术的发展，也能够精确的获知边坡的三维形状。
【发明内容】
[0005]本发明针对以上问题的提出，而研制的一种基于蚁群优化算法和质心算法的定位方法，具有如下步骤:
[0006]一对边坡进行有限元分析并采集物理参数，得到边坡的三维有限元模型；使用计算机为所述的有限元模型，计算得到边坡重心的位置；
[0007]一重复上述步骤，建立边坡重心数据库；
[0008]一对待检测的边坡进行有限元分析，根据有限元的数量和边坡的物理参数，建立当前边坡的重心的预测函数；
[0009]一调用数据库中的模拟数据库中与当前边坡参数相关的边坡数据，使用人工神经网络训练所述的预测函数，得到成熟的目标函数；
[0010]一将所述待检测的边坡的有限元和物理参数带入所述成熟的目标函数，得到当前滑动位移序列的预测结果。
[0011]对于由预测函数计算得出的当前边坡重心预测结果，采用质心算法进行结果修正。
[0012]所述的数据库中边坡数据至少包含:边坡种类、边坡尺寸、边坡结构和边坡材质。
[0013]对于待测的边坡的有限元特征点，使用插值的方法，近似到数据库中近似边坡的有限元。
[0014]根据分析得出待检测边坡的有限元，在数据库中调取与之类似的边坡数据，形成相似数据集，使用相似数据集对所述的目标函数进行训练。
[0015]由于采用了上述技术方案，本发明提供的一种基于蚁群优化算法和质心算法的定位方法，通过对现有边坡进行大量的分析测试，形成数据库，对待检测的边坡进行有限元分析，形成目标分析函数，对函数使用人工神经网络进行训练，最后得到边坡的重心位置，相较于传统的分析方法，具有更高更科学的分析精度，非常方便预测边坡运动。
【附图说明】
[0016]为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本发明的流程图
【具体实施方式】
[0018]为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述:
[0019]如图1所示:一种基于蚁群优化算法和质心算法的定位方法，主要包括如下步骤:
[0020]首先，对边坡进行有限元分析并采集物理参数，得到边坡的三维有限元模型；使用计算机为所述的有限元模型，计算得到边坡重心的位置。
[0021 ] 然后，重复上述步骤，建立边坡重心数据库。
[0022]其次，对待检测的边坡进行有限元分析，根据有限元的数量和边坡的物理参数，建立当前边坡的重心的预测函数；
[0023]调用数据库中的模拟数据库中与当前边坡参数相关的边坡数据，使用人工神经网络训练所述的预测函数，得到成熟的目标函数。
[0024]最后，将所述待检测的边坡的有限元和物理参数带入所述成熟的目标函数，得到当前滑动位移序列的预测结果。
[0025]为了进一步的增加测算的精度，作为一个较佳的实施方式，对于由预测函数计算得出的当前边坡重心预测结果，采用质心算法进行结果修正。
[0026]为了增加预测的精度，保证在具有一定数量样本的情况下，保证预测精度。作为一个较佳的实施方式，所述的数据库中边坡数据至少包含:边坡种类、边坡尺寸、边坡结构和边坡材质。
[0027]考虑到，实际过程中边坡的有限元，与数据库中的有限元可能不对应，对于待测的边坡的有限元特征点，使用插值的方法，近似到数据库中近似边坡的有限元。
[0028]为了减少运算量，作为一个较佳的实施方式，根据分析得出待检测边坡的有限元，在数据库中调取与之类似的边坡数据，形成相似数据集，使用相似数据集对所述的目标函数进行训练。
[0029]以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
【主权项】
1.一种基于蚁群优化算法和质心算法的定位方法，具有如下步骤: 一对边坡进行有限元分析并采集物理参数，得到边坡的三维有限元模型；使用计算机为所述的有限元模型，计算得到边坡重心的位置； 一重复上述步骤，建立边坡重心数据库； 一对待检测的边坡进行有限元分析，根据有限元的数量和边坡的物理参数，建立当前边坡的重心的预测函数； 一调用数据库中的模拟数据库中与当前边坡参数相关的边坡数据，使用人工神经网络训练所述的预测函数，得到成熟的目标函数； 一将所述待检测的边坡的有限元和物理参数带入所述成熟的目标函数，得到当前边坡重心的预测结果。
2.根据权利要求1所述的一种基于蚁群优化算法和质心算法的定位方法，其特征还在于:对于由预测函数计算得出的当前边坡重心预测结果，采用质心算法进行结果修正。
3.根据权利要求1所述的一种基于蚁群优化算法和质心算法的定位方法，其特征还在于:所述的数据库中边坡数据至少包含:边坡种类、边坡尺寸、边坡结构和边坡材质。
4.根据权利要求1所述的一种基于蚁群优化算法和质心算法的定位方法，其特征还在于:对于待测的边坡的有限元特征点，使用插值的方法，近似到数据库中近似边坡的有限J Li ο
5.根据权利要求3所述的一种基于蚁群优化算法和质心算法的定位方法，其特征还在于:根据分析得出待检测边坡的有限元，在数据库中调取与之类似的边坡数据，形成相似数据集，使用相似数据集对所述的目标函数进行训练。
【专利摘要】本发明公开了一种基于蚁群优化算法和质心算法的定位方法，具有如下步骤：对边坡进行有限元分析并采集物理参数，得到边坡的三维有限元模型；使用计算机为所述的有限元模型，计算得到边坡重心的位置；对待检测的边坡进行有限元分析，调用数据库中的模拟数据库中与当前边坡参数相关的边坡数据，使用人工神经网络训练所述的预测函数，得到成熟的目标函数；将所述待检测的边坡的有限元和物理参数带入所述成熟的目标函数，得到当前滑动位移序列的预测结果。相较于传统的分析方法，具有更高更科学的分析精度，非常方便预测边坡运动。
【IPC分类】G06F17-50
【公开号】CN104636510
【申请号】CN201310552125
【发明人】陈 峰, 刘殿英
【申请人】大连市勘察测绘研究院有限公司
【公开日】2015年5月20日
【申请日】2013年11月7日