水电自动化与大坝监测
水電自動化與大壩鑑測
수전자동화여대패감측
HYDROPOWER AUTOMATION AND DAM MORNITORING
2010年
3期
57-59
,共3页
土石坝%广义回归神经网络%渗流监测
土石壩%廣義迴歸神經網絡%滲流鑑測
토석패%엄의회귀신경망락%삼류감측
通过建立土石坝渗流监测数据的广义回归神经网络(GRNN)模型,对花凉亭水库坝基渗流测压管的监测数据进行了拟合与预测,并将其拟合预测结果与反向传播神经网络(BPNN)、多元逐步回归模型的拟合预测结果进行对比分析.结果表明,GRNN模型在数据拟合与预测方面均取得了很好的效果.
通過建立土石壩滲流鑑測數據的廣義迴歸神經網絡(GRNN)模型,對花涼亭水庫壩基滲流測壓管的鑑測數據進行瞭擬閤與預測,併將其擬閤預測結果與反嚮傳播神經網絡(BPNN)、多元逐步迴歸模型的擬閤預測結果進行對比分析.結果錶明,GRNN模型在數據擬閤與預測方麵均取得瞭很好的效果.
통과건립토석패삼류감측수거적엄의회귀신경망락(GRNN)모형,대화량정수고패기삼류측압관적감측수거진행료의합여예측,병장기의합예측결과여반향전파신경망락(BPNN)、다원축보회귀모형적의합예측결과진행대비분석.결과표명,GRNN모형재수거의합여예측방면균취득료흔호적효과.