水电能源科学
水電能源科學
수전능원과학
INTERNATIONAL JOURNAL HYDROELECTRIC ENERGY
2012年
8期
77-79
,共3页
大坝安全监测%聚类算法%径向基函数神经网络%粒子群算法%小湾大坝
大壩安全鑑測%聚類算法%徑嚮基函數神經網絡%粒子群算法%小灣大壩
대패안전감측%취류산법%경향기함수신경망락%입자군산법%소만대패
针对传统径向基神经网络(RBF)在大坝安全监测应用中易陷入局部最优及预测精度不高的问题,引入粒子群算法(PSO),对输入的大坝安全监测数据进行初步的聚类处理,找出初步聚类中心后令其为PSO的初值,根据运算法则更新初值以寻求适合训练数据的最优基函数中心.以小湾大坝为例,应用Matlab仿真模拟计算了大坝变形量,结果表明PSO-RBF与传统RBF的拟合效果都很好,PSO-RBF预测准确度更高.
針對傳統徑嚮基神經網絡(RBF)在大壩安全鑑測應用中易陷入跼部最優及預測精度不高的問題,引入粒子群算法(PSO),對輸入的大壩安全鑑測數據進行初步的聚類處理,找齣初步聚類中心後令其為PSO的初值,根據運算法則更新初值以尋求適閤訓練數據的最優基函數中心.以小灣大壩為例,應用Matlab倣真模擬計算瞭大壩變形量,結果錶明PSO-RBF與傳統RBF的擬閤效果都很好,PSO-RBF預測準確度更高.
침대전통경향기신경망락(RBF)재대패안전감측응용중역함입국부최우급예측정도불고적문제,인입입자군산법(PSO),대수입적대패안전감측수거진행초보적취류처리,조출초보취류중심후령기위PSO적초치,근거운산법칙경신초치이심구괄합훈련수거적최우기함수중심.이소만대패위례,응용Matlab방진모의계산료대패변형량,결과표명PSO-RBF여전통RBF적의합효과도흔호,PSO-RBF예측준학도경고.
