人民长江
人民長江
인민장강
YANGTZE RIVER
2011年
9期
90-93
,共4页
小波消噪%BP神经网络%大坝变形%变形预测
小波消譟%BP神經網絡%大壩變形%變形預測
소파소조%BP신경망락%대패변형%변형예측
基于港口湾大坝多期变形观测数据,采用Matlab语言、小波消噪及BP神经网络分别建立了基于时间序列和基于环境因素的大坝变形监测BP神经网络模型,并利用模型分别对大坝某点变形值进行预测.时间序列BP模型具有结构简单、学习速率快的特点;环境因素BP模型精度高,可有效反映变形因素,便于拟合预测复杂的测点变形,相对前一种模型能更好地揭示大坝变形规律.两种建模方法先应用小波分析对原始观测数据消噪,训练过程中采用附加动量法等改进BP尊法,大大提高了BP神经网络的计算效率,克服了其易陷入局部极小的缺陷,取得了良好的拟合效果和预测精度.
基于港口灣大壩多期變形觀測數據,採用Matlab語言、小波消譟及BP神經網絡分彆建立瞭基于時間序列和基于環境因素的大壩變形鑑測BP神經網絡模型,併利用模型分彆對大壩某點變形值進行預測.時間序列BP模型具有結構簡單、學習速率快的特點;環境因素BP模型精度高,可有效反映變形因素,便于擬閤預測複雜的測點變形,相對前一種模型能更好地揭示大壩變形規律.兩種建模方法先應用小波分析對原始觀測數據消譟,訓練過程中採用附加動量法等改進BP尊法,大大提高瞭BP神經網絡的計算效率,剋服瞭其易陷入跼部極小的缺陷,取得瞭良好的擬閤效果和預測精度.
기우항구만대패다기변형관측수거,채용Matlab어언、소파소조급BP신경망락분별건립료기우시간서렬화기우배경인소적대패변형감측BP신경망락모형,병이용모형분별대대패모점변형치진행예측.시간서렬BP모형구유결구간단、학습속솔쾌적특점;배경인소BP모형정도고,가유효반영변형인소,편우의합예측복잡적측점변형,상대전일충모형능경호지게시대패변형규률.량충건모방법선응용소파분석대원시관측수거소조,훈련과정중채용부가동량법등개진BP존법,대대제고료BP신경망락적계산효솔,극복료기역함입국부겁소적결함,취득료량호적의합효과화예측정도.
