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
2013年
4期
45-48
,共4页
李震%刘传武%钱志金%花胜强
李震%劉傳武%錢誌金%花勝彊
리진%류전무%전지금%화성강
大坝安全%测值预报%关联性分析%BP神经网络%人工粒子群
大壩安全%測值預報%關聯性分析%BP神經網絡%人工粒子群
대패안전%측치예보%관련성분석%BP신경망락%인공입자군
dam safety monitoring%prediction model%correlation analysis%BP NN%PSO
针对基于统计的大坝安全监测预报模型中,多效应量间和多影响因子间都存在互相关性,且效应量与影响因子又呈现出复杂的非线性动力系统特征,从而导致预报模型可信度降低的问题,提出了优化方案,首先对多效应量和影响因子采用基于主成分提取的关联分析,实现去相关和空间降维,并按关联性次序将变换后的正交基作为模型输入因子,建立改进的BP神经网络回归,利用人工粒子群算法搜索网络的最优参数,从而获得预报模型.经与逐步回归、简单BP神经网络回归比较验证,实例表明本预报模型具有收敛快、鲁棒性强和预报精度较优等特点,兼有大坝性态分析评估辅助意义,具有一定的工程实用性.
針對基于統計的大壩安全鑑測預報模型中,多效應量間和多影響因子間都存在互相關性,且效應量與影響因子又呈現齣複雜的非線性動力繫統特徵,從而導緻預報模型可信度降低的問題,提齣瞭優化方案,首先對多效應量和影響因子採用基于主成分提取的關聯分析,實現去相關和空間降維,併按關聯性次序將變換後的正交基作為模型輸入因子,建立改進的BP神經網絡迴歸,利用人工粒子群算法搜索網絡的最優參數,從而穫得預報模型.經與逐步迴歸、簡單BP神經網絡迴歸比較驗證,實例錶明本預報模型具有收斂快、魯棒性彊和預報精度較優等特點,兼有大壩性態分析評估輔助意義,具有一定的工程實用性.
침대기우통계적대패안전감측예보모형중,다효응량간화다영향인자간도존재호상관성,차효응량여영향인자우정현출복잡적비선성동력계통특정,종이도치예보모형가신도강저적문제,제출료우화방안,수선대다효응량화영향인자채용기우주성분제취적관련분석,실현거상관화공간강유,병안관련성차서장변환후적정교기작위모형수입인자,건립개진적BP신경망락회귀,이용인공입자군산법수색망락적최우삼수,종이획득예보모형.경여축보회귀、간단BP신경망락회귀비교험증,실례표명본예보모형구유수렴쾌、로봉성강화예보정도교우등특점,겸유대패성태분석평고보조의의,구유일정적공정실용성.
