基于基因表达式编程的高层建筑物变形预测模型的研究与实现*

王 炎

(江西环境工程职业学院，江西 赣州 341000)

基于基因表达式编程的高层建筑物变形预测模型的研究与实现*

王 炎

(江西环境工程职业学院，江西 赣州 341000)

论述了高层建筑物变形预测研究现状和基因表达式编程及其算法，以某一实际高层建筑物前20期的变形原始数据作为训练数据，构建了该高层建筑物基于基因表达式编程(GEP)的预测模型，并对其最后5期的变形数据进行了预测分析。结果表明，基于基因表达式编程得到的预测值和实际值相差最大值为4 mm左右，其预测值在实际观测值上下浮动，说明预测曲线拟合性比较好，且具有较高的精度和较好的可靠性。

基因表达式编程；高层建筑物变形预测；预测模型；误差

0 引言

1 基因表达式编程

1.1 基因表达式编程

基因表达式编程(Gene Expression Programming，简称GEP)是葡萄牙学者Ferreira博士结合了遗传算法(Genetic Algorithm，简称GA)和遗传编程(Genetic Programming，简称 GP)提出的一种新算法。通俗地讲，GA是通过简单编码解决简单问题；GP则是运用复杂编码来解决复杂问题；GEP把GA和GP的优点完美地结合在一起，其利用简单编码解决复杂问题。目前GEP已经成为计算领域的研究热点，并在医学、化学、股票预测、灾害预测、产量预测、管理、经济、测绘等众多领域及行业的各种模型预测中得到了成功应用。基于此，本文将基因表达式编程方法应用在高层建筑物的变形预测中。

1.2 基因表达式编程算法

基因表达式编程算法作为遗传家族的新型算法，其内部总体结构和GA以及GP都类似，首先必须有一定数量的初始化种群，其种群的数量不一定太多，但是种类一定要全、代表性强，初始化种群中包含若干个代表不同解决方法的“个体”[2]。之后，完成染色体解码工作之后，利用确定好的适应度函数对种群个体进行适应度评价，看其是否满足条件，如果满足，结束算法，得到最优个体；如果不满足，选择算子开始作用于种群，结合达尔文的“适者生存”原则，适应度高的个体留下，之后各种遗传算子作用于种群，通过变异、插串、重组等遗传操作产生新一代种群个体。对新一代种群个体再次进行适应度函数评估，看其是否满足结束条件。如果不满足，重复以上适者生存的过程，直到满足结束条件的最优个体出现，结束算法。其具体的流程图，如图1所示。

图1 基因表达式编程流程图Fig.1 Flow of Gene Expression Programming

2 应用实例

2.1 工程概况

受某公司一期硝铵迁改工程项目部(甲方)的委托，对该工程位于B区的800硝铵装置主楼(共34层，楼高110 m)及位于C区的附属建筑物(共18层，楼高60 m)、2×27万吨硝酸工程吸收塔基座的沉降进行系统监测。观测使用的仪器是日本索佳SDL电子水准仪。其中，800硝铵装置区主楼的观测时间自2014年9月4日至2015年8月14日，共进行了25期连续观测；位于C区的800硝铵装置区附属建筑物和位于S区的2×27万吨硝酸工程吸收塔基座的观测时间自2014年4月20日至2014年8月14日，共进行了12期连续观测。本文中，研究的主要对象是位于B区的800硝铵装置区主楼的变形预测问题，旨在通过建立具体的预测模型对其变形进行预测。变形监测的沉降观测点的布设示意图，如图2所示。

2.2 观测规程

企业作为我国市场经济发展的重要组成部分，近年来，各类企业均得到了较好地发展。虽然企业规模不断扩大，但是也一定程度上加剧了市场竞争，而企业要想在这个竞争激烈的市场环境下更好地生存下去，就必须全面了解自身的经营状况，制定出科学的决策。财务会计与管理会计作为企业管理中的重要工作，推进财务会计与管理会计的有机结合，可以对企业自身内外经营情况进行全面的了解，为企业经营决策提供科学的信息参考，进而提高决策的科学性，提高企业竞争力，推动企业的更好发展。

在沉降观测的作业过程中，严格按照下列规范执行：

1)GB 50026-2007《工程测量规范》；

2)CJJ/T 8-2011《城市测量规范》；

3)JGJ 8-2007《建筑变形测量规范》；

4)GB 12897-2006《国家一、二等水准测量规范》；

5)GB 50007-2011《建筑地基基础设计规范》。

图2 沉降观测点布设示意图Fig.2 Scheme of settlement observation points

2.3 基于GEP的高层建筑物变形预测模型的建立

2.3.1 数据处理

对于变形监测的原始数据，由于人为误差、仪器误差、环境误差等方面的影响，变形数据势必存在一定的误差，必须对其进行一定的处理，本文处理原始变形数据的方法是利用Fibonacci数列对其进行加权预处理，用于建模的数据选用沉降变形累积沉降量最大的B6点进行变形预测分析。表1为变形最大累计沉降量B6点的变形原始观测数据。利用B6号点前20期的数据进行变形预测建模，利用最后5期的数据对模型进行检验，其具体的原始观测数据，如表1所示。

表1 原始观测数据Tab.1 Original observation data

续表

2.3.2 种群的初始化

利用基因表达式编程方法，其种群初始化过程主要是确定函数集合和终结符集合，确定之后染色体的简单结构就可以随机产生，而且其所有的程序都是合法的。选用的函数集合为数学中的几个基本函数，其主要有{+，-，×，/，sqrt，exp，sin，cos}。设定终结符集合(T)为滑动窗口大小一致的5个数据组成分别用{$0，$1，$2，$3，$4，$5}表示[3，4]。

2.3.3 GEP各种参数设置

利用基因表达式编程方法前，必须对其内部的各种遗传参数进行有效合理的设置，这在基因表达式编程中看似简单，但是其设置的合理性直接关系到最终的结果准确性，因此，对于这些参数的设置显得尤为重要。

结合变形现状以及前人经验，本文设置了如表2所示的遗传基本参数[5，6]。

表2 遗传基本参数设置Tab.2 The parameter settings for various genetic operations

2.3.4 预测函数模型实现

完成以上准备工作以后，即可以利用前20期数据建立相应的预测模型，最后利用最后5期的数据对模型进行检验分析，从而对模型进行有效的检验和评价。利用面向对象的C#语言，建立了基于GEP的高层建筑物变形预测模型，其窗口应用程序，如图3所示。

图3 预测模型窗口设计Fig.3 Window design of forecast model

2.4 基于GEP的高层建筑物预测模型

完成以上模型构建工作以后，利用已有的前20期变形监测数据作为训练数据，对该高层建筑物的最后5期的变形数据进行预测，其预测结果如表3所示。

表3 GEP预测模型数据对比表Tab.3 Comparison table of GEP forecast model data

表4 GEP预测模型后5期预测值和误差Tab.4 The last five phases of prediction values and errors of GEP forecast model

由表4可以看出，其预测误差的绝对值最大值约为4 mm，预测的数据在实际的变形监测数据上下波动，能够比较好地对高层建筑物的变形进行有效的预测分析。更加直观的实际值和预测值的对比分析图，如图4所示。

从图4可以得出如下结论：对于高层建筑物变形而言，在其变形监测只有有限数据的基础上，利用基因表达式编程方法预测模型得到的预测值在实际值上下浮动，比较接近实际的观测值；利用GEP的方法进行建模预测的相对误差较小，精度较高，可靠性好。

图4 GEP预测模型变形预测对比图Fig.4 Comparison of deformation forecast values for GEP forecast model

3 结束语

本文在对高层建筑物的变形监测原始数据进行预处理的基础上，结合了GEP的利用简单代码解决复杂问题的独特优势，利用面向对象的C#编程语言建立了基于基因表达式编程的高层建筑变形预测模型。主要利用原始的20期变形数据作为训练数据建立预测模型，之后利用预测模型对其最后5期数据进行预测分析，得到的预测值其最大误差在4 mm左右，其预测值在实际观测值上下浮动，预测曲线拟合性比较好，具有较高的精度和较好的可靠性，为高层建筑物的变形预测提供了一种较好的方法。

[1] 黄声享，尹晖，蒋征.变形监测数据处理[M].武昌：武汉大学出版社，2010.

[2] 元昌安，彭昱忠，覃晓，等.基因表达式编程算法原理与应用[M].北京：科学出版社，2010.

[3] 卢荣.回归分析在沉降预测数据处理中的应用[J].城市勘测，2011(3)：106-108.

[4] 邓松，王汝传，张羽，等.基于并行基因表达式编程的网格资源分配算法[J].电子学报，2009，37(2)：272-277.

[5] 张大斌，张景广，彭森，等.基因表达式编程在组合预测建模中的应用[J].系统工程理论与实践，2012，32(3)：568-573.

[6] 刘小生，李胜，赵相博，等.基于基因表达式编程的PM2.5浓度预测模型研究[J].江西理工大学学报，2013(5)：1-5.

Research and Implementation of Deformation Prediction Model for High-Rise Building Based on Gene Expression Programming

WANG Yan

(JiangxiEnvironmentalEngineeringVocationalCollege，GanzhouJiangxi341000，China)

This paper discusses the research status of deformation prediction for high-rise buildings and Gene Expression Programming and its algorithm.Taking the first twenty phases of original deformation data for a high-rise building as the training data，the prediction models of the building based on GEP is constructed,and the last five phases of deformation data are predicted and analyzed.The results show that the maximum difference value between the actual and the predicted values is about 4 mm，the predicted values are floating around the actual observation values，and the fitting of the curve based on GEP is better，and has higher accuracy and better reliability.

Gene Expression Programming；deformation prediction of high-rise building；prediction model；error

2015-10-27

TU 196

A

1007-9394(2015)04-0015-03

王炎(1984～)，男，江西赣州人，硕士，讲师，工程师，现主要从事测量数据处理、精密工程测量等方面的工作。