水力发电
水力髮電
수력발전
WATER POWER
2003年
7期
60-63
,共4页
前馈神经网络%预测模型%交替学习%安全监测%拱形重力坝
前饋神經網絡%預測模型%交替學習%安全鑑測%拱形重力壩
전궤신경망락%예측모형%교체학습%안전감측%공형중력패
应用预测模型来监控大坝复杂的工作性态是一条有效途径.但因大坝的工作条件复杂、影响因素众多,给应用精确的数学模型监控大坝工作性态带来了困难.为此,应用人工神经网络模型隐式的数学表达形式,提出并建立了基于交替学习迭代算法的人工神经网络模型,并结合清江隔河岩水电站的实际,研究了这种模型在大坝基础渗流量及进水闸顶位移预测中的实际应用,其误差收敛快,预报精度较高.通过进一步的研究后,这种模型可望为大坝安全性态的实时在线监控提供有力的技术支持.
應用預測模型來鑑控大壩複雜的工作性態是一條有效途徑.但因大壩的工作條件複雜、影響因素衆多,給應用精確的數學模型鑑控大壩工作性態帶來瞭睏難.為此,應用人工神經網絡模型隱式的數學錶達形式,提齣併建立瞭基于交替學習迭代算法的人工神經網絡模型,併結閤清江隔河巖水電站的實際,研究瞭這種模型在大壩基礎滲流量及進水閘頂位移預測中的實際應用,其誤差收斂快,預報精度較高.通過進一步的研究後,這種模型可望為大壩安全性態的實時在線鑑控提供有力的技術支持.
응용예측모형래감공대패복잡적공작성태시일조유효도경.단인대패적공작조건복잡、영향인소음다,급응용정학적수학모형감공대패공작성태대래료곤난.위차,응용인공신경망락모형은식적수학표체형식,제출병건립료기우교체학습질대산법적인공신경망락모형,병결합청강격하암수전참적실제,연구료저충모형재대패기출삼류량급진수갑정위이예측중적실제응용,기오차수렴쾌,예보정도교고.통과진일보적연구후,저충모형가망위대패안전성태적실시재선감공제공유력적기술지지.
