水力发电
水力髮電
수력발전
WATER POWER
2013年
4期
83-86
,共4页
神经网络%UKF滤波%混凝土坝%安全监控%模型
神經網絡%UKF濾波%混凝土壩%安全鑑控%模型
신경망락%UKF려파%혼응토패%안전감공%모형
采用标准神经网络(BP)构建的大坝安全监控预报模型难以满足工程精度要求.利用滤波理论(UnscentedKalman filter,UKF),引入自适应因子,并对神经网络进行赋权训练,提出了一种自适应非线性训练神经网络的混凝土坝安全监控模型.计算实例表明,该模型计算结果相对误差较小,满足工程精度要求,提高了神经网络的学习质量、收敛效率和泛化能力,减小了神经网络学习中的陷入局限极小值的可能性.该模型可推广应用于面板堆石坝、高边坡等结构安全监控分析中.
採用標準神經網絡(BP)構建的大壩安全鑑控預報模型難以滿足工程精度要求.利用濾波理論(UnscentedKalman filter,UKF),引入自適應因子,併對神經網絡進行賦權訓練,提齣瞭一種自適應非線性訓練神經網絡的混凝土壩安全鑑控模型.計算實例錶明,該模型計算結果相對誤差較小,滿足工程精度要求,提高瞭神經網絡的學習質量、收斂效率和汎化能力,減小瞭神經網絡學習中的陷入跼限極小值的可能性.該模型可推廣應用于麵闆堆石壩、高邊坡等結構安全鑑控分析中.
채용표준신경망락(BP)구건적대패안전감공예보모형난이만족공정정도요구.이용려파이론(UnscentedKalman filter,UKF),인입자괄응인자,병대신경망락진행부권훈련,제출료일충자괄응비선성훈련신경망락적혼응토패안전감공모형.계산실례표명,해모형계산결과상대오차교소,만족공정정도요구,제고료신경망락적학습질량、수렴효솔화범화능력,감소료신경망락학습중적함입국한겁소치적가능성.해모형가추엄응용우면판퇴석패、고변파등결구안전감공분석중.
