三峡大学学报（自然科学版）
三峽大學學報（自然科學版）
삼협대학학보（자연과학판）
JOURNAL OF CHINA THREE GORGES UNIVERSITY(NATURAL SCIENCES)
2014年
5期
10-14
,共5页
夏天倚%刘天祥%钟黎雨%陶亮
夏天倚%劉天祥%鐘黎雨%陶亮
하천의%류천상%종려우%도량
大坝监测%BP神经网络%蓄水期%遗忘因子
大壩鑑測%BP神經網絡%蓄水期%遺忘因子
대패감측%BP신경망락%축수기%유망인자
dam monitoring%BP neural network%early period of impounding%forgetting coefficient
蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1 mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.
蓄水期是大壩安全鑑測的重點時期.鑒于壩體性態隨水位快速升高產生實時變化,蓄水期鑑測資料平穩性較差等特點,傳統的BP神經網絡對數據處理本質上屬于靜態網絡,不能滿足對實時變動的蓄水期數據樣本的準確預測.為瞭解決這箇問題,在傳統的BP神經網絡模型的基礎上,通過在誤差計算和模型參數中分彆引入遺忘因子,實時更新數據的影響權重,建立瞭大壩蓄水期資料分析的時變分析模型.最後使用傳統的BP神經網絡模型和改進的BP神經網絡模型進行實例分析,結果錶明後者比前者在徑嚮位移的預測上精度提高1 mm以上,改進的BP神經網絡模型更加適用于大壩蓄水期鑑測資料分析與預測.
축수기시대패안전감측적중점시기.감우패체성태수수위쾌속승고산생실시변화,축수기감측자료평은성교차등특점,전통적BP신경망락대수거처리본질상속우정태망락,불능만족대실시변동적축수기수거양본적준학예측.위료해결저개문제,재전통적BP신경망락모형적기출상,통과재오차계산화모형삼수중분별인입유망인자,실시경신수거적영향권중,건립료대패축수기자료분석적시변분석모형.최후사용전통적BP신경망락모형화개진적BP신경망락모형진행실례분석,결과표명후자비전자재경향위이적예측상정도제고1 mm이상,개진적BP신경망락모형경가괄용우대패축수기감측자료분석여예측.
