共查询到10条相似文献,搜索用时 31 毫秒
1.
为克服标准BP算法训练效率低、易陷入局部极值等不足,引入遗传蚁群混合算法(GACO),并对其混合时间和信息转换的计算方法进行改进,利用改进后的算法优化标准BP神经网络的权值和阈值,对土石坝的渗流压力进行监控。以某土石坝为例,利用GACO-BP神经网络监控模型以测压管水位为指标对其渗流压力进行预测,将预测结果与同结构的经典BP神经网络预测结果进行对比发现,GACO-BP神经网络模型在训练速度和预测精度上明显更好,在土石坝渗流压力预测和分析方面具有较好的实用性。 相似文献
2.
渗流监测是掌握大坝安全性态的重要手段,针对土石坝渗流压力存在滞后于库水位的特点,引入具有延时输入特性的带外源输入的非线性自回归神经网络(Nonlinear Auto-regressive with Exogenous inputs neural network, NARX)实现土石坝渗压的有效预测。以某一水库大坝为例,将历史某时段的库水位和降雨等影响因子作为输入序列,渗压测值作为输出序列,分别建立NARX网络多因子和单因子模型进行拟合训练和多步预测,并将预测结果与传统回归模型和传统BP神经网络进行对比。研究结果表明,在RMSE、MAE、MAPE 3种精度指标下,NARX模型均优于2种传统模型。其中,在单因子条件下,NARX仍具有良好的表现。NARX的延迟输入特性可在一定程度上模拟坝体水流渗透的滞后性,对于土石坝的渗压预测具有良好的应用效果。 相似文献
3.
本文针对传统BP神经网络存在收敛速度慢、计算量大、易收敛于局部最小点的缺点,引入遗传算法与LM算法优化BP神经网络,并对优化后的BP神经网络进行训练与预测。实验结果表明:优化后的模型具有训练速度快、预测精度高的特点,更适用于大坝的实时预报。 相似文献
4.
基于LM算法的BP神经网络在大坝变形监测数据处理中的应用 总被引:2,自引:1,他引:2
针对传统反向传播(BP)神经网络收敛速度慢、计算量大的缺点,引入一种结合LM(Leverberg Marquart)优化算法的BP神经网络,并应用在大坝的变形预报中。实验结果表明,新模型具有训练速度快、预测精度高的特点。 相似文献
5.
6.
水库水位和温度变化会影响大坝渗透压力和大坝变形,对大坝稳定性造成一定影响。以土石坝工程为例,考虑了水位变化和空气温度变化对大坝渗流和坝体温度的影响,采用多孔介质模型中的热传导、对流和扩散方程,模拟了变水位和变温度非稳定边界条件下坝体渗流和温度梯度变化规律。研究结果可为相关土石坝工程监管提供参考。 相似文献
7.
根据土石坝渗流原型观测,厘清水位、降水等因素的影响,模拟大坝渗流的真实状态,合理评估其渗流监测结果,是土石坝安全监控亟待解决的关键问题。基于此,根据数理统计原理,采用随机森林算法构建无降水条件下渗流量与上下游水位的回归模型;考虑渗流量受前期累积降水的综合影响,引入广义可加模型(GAMLSS-GLO),模拟降水影响下土石坝渗流监测值的波动区间,并将其与渗流-水位回归模型叠加,预测土石坝渗流监测的可靠区间;最后,将该方法应用于糯扎渡心墙堆石坝的渗流监测。结果表明:所提模型方法对渗流的水位、降水响应表现出良好的适用性,显著提高了渗流模拟预测质量。同时求解了渗流量置信区间,有利于土石坝的运行工况判断及安全监控。 相似文献
8.
介绍了通过控制综合误差改进的基于遗传算法的BP算法,以及该BP算法在土石坝渗流问题中的应用。实例计算表明,这种新方法与其它传统方法相比,网络训练速度明显加快,预测的精度也比较高,是土石坝渗流分析的一种有效可行的新思路和新方法。 相似文献
9.
为了有效地掌握土石坝的渗流状态,根据大坝渗流监测资料,结合工程实际,考虑库水位、降雨量、温度及时效等因素的影响,建立了土石坝坝体和坝基测点的统计分析模型,通过实测值与模型值之间的对比来判断大坝的渗流性态。分析结果表明,大坝渗流性态正常,分析模型的应用效果良好。 相似文献