计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
1期
220-222
,共3页
大坝变形%LM-BP神经网络%预测模型
大壩變形%LM-BP神經網絡%預測模型
대패변형%LM-BP신경망락%예측모형
为了对大坝进行切实有效的监控,需要建立一个良好的大坝预测模型.针对传统BP (Back-Propagation)神经网络存在的收敛速度慢和泛化能力弱等缺陷,利用LM-BP(Levenberg Marquardt Back Propagation)算法对大坝变形进行预测,并根据丹江口大坝1996和1997两年的变形观测数据,对大坝挠度预测结果进行分析.结果表明,所建立的LM-BP神经网络的预测精度和收数速度明显提高.
為瞭對大壩進行切實有效的鑑控,需要建立一箇良好的大壩預測模型.針對傳統BP (Back-Propagation)神經網絡存在的收斂速度慢和汎化能力弱等缺陷,利用LM-BP(Levenberg Marquardt Back Propagation)算法對大壩變形進行預測,併根據丹江口大壩1996和1997兩年的變形觀測數據,對大壩撓度預測結果進行分析.結果錶明,所建立的LM-BP神經網絡的預測精度和收數速度明顯提高.
위료대대패진행절실유효적감공,수요건립일개량호적대패예측모형.침대전통BP (Back-Propagation)신경망락존재적수렴속도만화범화능력약등결함,이용LM-BP(Levenberg Marquardt Back Propagation)산법대대패변형진행예측,병근거단강구대패1996화1997량년적변형관측수거,대대패뇨도예측결과진행분석.결과표명,소건립적LM-BP신경망락적예측정도화수수속도명현제고.
