变形监测是工程测量学的重要研究内容。

变形监测的主要目的是通过分析变形体的形变信息,对其未来的变化趋势做出准确预测,从而为工程建筑物的设计以及地质灾害等的防治工作提供科学的依据和准确的指导。

2. 研究的基本内容

变形的几何分析是对变形体的形状和大小作几何描述，它是通过一定的数据处理方法进行数据的分析研究处理，最后估计出变形模型的参数，其任务在于描述变形体变形的空间状态和时间特征;而变形的物理解释则是由几何分析得到确定的变形模型，其任务是确定变形体的变形和变形原因之间的关系，从而解释变形的原因。目前，国内外进行变形分析的方法主要有多元回归分析方法、时间序列法、灰色系统理论、人工神经网络等。

人工神经网络是在现代神经学、生物学、心理学等学科研究的基础上产生的，它反映了生物神经系统处理外界事物的基本过程，是在模拟人脑神经组织的基础上发展起来的计算系统，是由大量处理单元通过广泛互联而构成的网络体系，它具有生物神经系统的基本特征，在一定程度上反映了人脑功能的若干反映，是对生物系统的某种模拟，具有大规模并行、分布式处理、自组织、自学习等优点，被广泛应用于语音分析、图像识别、数字水印、计算机视觉等很多领域，取得了许多突出的成果，但它并不是非常完美的。

模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据metropolis准则，粒子在温度t时趋于平衡的概率为e-Δe/(kt)，其中e为温度t时的内能，Δe为其改变量，k为boltzmann常数。用固体退火模拟组合优化问题，将内能e模拟为目标函数值f，温度t演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(cooling schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数l和停止条件s。模拟退火算法具有描述简单、使用灵活、运用广泛、运行效率高和较少受到初始条件约束等优点，适合于解决大规模组合优化问题。

3. 实施方案、进度安排及预期效果

实施方案：

1. 在网上或图书馆查阅有关变形监测数据处理的书籍和文献，了解各方法的基本原理。

2.为寻找合适的研究方法做好准备工作，借鉴相关的论文期刊等文献选取适合的方法。

4. 参考文献

[1]潘国荣,谷川.bp算法改进及其在变形数据处理中的应用[j].同济大学学报(自然科学版),2008(01):118-121.

[2]张祖敏,李琛阜.变形监测数据处理方法研究[j/ol].世界有色金属,2018(20):294-295[2019-01-02].

[3]冯康,张亚超,王文涛,孙朝印.改进粒子群神经网络在变形预测中的应用研究[j].水利科技与经济,2018,24(08):70-74.