沈阳农业大学学报
瀋暘農業大學學報
침양농업대학학보
JOURNAL OF SHENYANG AGRICULTURAL UNIVERSITY
2009年
4期
506-509
,共4页
大坝安全监控%预报%BP神经网络%L-M算法
大壩安全鑑控%預報%BP神經網絡%L-M算法
대패안전감공%예보%BP신경망락%L-M산법
为克服BP神经网络收敛速度缓慢的缺陷,以L-M算法代替梯度下降法训练网络.建立了基于L-M算法的大坝安全监控整体L-M模型和逐一L-M模型,并与快速BP模型进行对比.应用实例研究表明:整体L-M模型和逐一L-M模型的预测效果及训练速度均显著优于快速BP模型,逐一L-M模型的预测精度及泛化能力均优于整体L-M模型,且预报时间短,可以用于大坝监控的实时预报.
為剋服BP神經網絡收斂速度緩慢的缺陷,以L-M算法代替梯度下降法訓練網絡.建立瞭基于L-M算法的大壩安全鑑控整體L-M模型和逐一L-M模型,併與快速BP模型進行對比.應用實例研究錶明:整體L-M模型和逐一L-M模型的預測效果及訓練速度均顯著優于快速BP模型,逐一L-M模型的預測精度及汎化能力均優于整體L-M模型,且預報時間短,可以用于大壩鑑控的實時預報.
위극복BP신경망락수렴속도완만적결함,이L-M산법대체제도하강법훈련망락.건립료기우L-M산법적대패안전감공정체L-M모형화축일L-M모형,병여쾌속BP모형진행대비.응용실례연구표명:정체L-M모형화축일L-M모형적예측효과급훈련속도균현저우우쾌속BP모형,축일L-M모형적예측정도급범화능력균우우정체L-M모형,차예보시간단,가이용우대패감공적실시예보.