相空间神经网络模型在大坝安全监控中的应用

本文将混沌理论和神经网络理论相结合，并针对某一混凝土重力坝水平位移实测值建立相空间模糊神经网络预报模型。首先对水平位移的实测序列，进行相空间重构，求算关联维，说明该序列存在混沌成分和奇异吸引子；应用自适应模糊神经网络，对水平位移实测序列构成的相点，建立相空间神经网络模型。计算结果表明，相空间神经网络模型用于大坝监控中是可行的，其预报精度优于常规的统计回归模型，能揭示大坝的非线性性质，能更好地对大坝运行性态进行分析。     

基于神经网络的大坝参数反演法

基于BP神经网络的基本原理建立了大坝混凝土和基岩模量反演分析模型,提出了模型样本的处理方法,并结合实例分析表明用神经网络方法反演大坝混凝土和基岩平均模量是一种行之有效的方法,反演值与实测值基本吻合。     

动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性,提出了在线动态建模的模糊神经网络方法.当新增样本进入训练集之后,根据新样本对模型的贡献大小,在已有模型的基础上进行动态修正,这样可以减少建模的计算时间.新方法实现了增加样本而矩阵阶数不增加,避免了矩阵求逆运算,理论上可以提高计算效率.实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域.     

基于神经网络模型的某大坝混凝土弹性模量时变规律反演分析

基于人工神经网络的非线性映射特性，在三维有限元计算的基础上，结合大坝原型观测资料，提出了大坝参数时变规律的反演方法。以某混凝土重力坝的原型观测资料为例，利用该方法反演得出了该坝坝体混凝土弹性模量的变化规律。结果表明该方法是切实可行的，可应用于分析评价大坝材料参数的变化。     

基于模糊神经网络和遗传算法的大坝安全监控模型

应用监控模型来监控大坝的工作性态是一条有效途径，但由于大坝工作条件复杂，影响因素繁多，为以精确的数学进行描述带来了很大的困难，而应采用从定性到定量的综合集成的方法，将专家知识，监测数据和各种信息与计算机软硬件技术结合起来，把坝工理论和坝工家的经验结合起来对其进行研究，文中应用模糊神经网络和遗传算法等人工智能技术，依据专家的经验确定隶性函数，从而建立模糊神经网络预报模型，根据专家对实际情况的正确分析，对预报结果进行修正，达到进一步提高预报精度的目的。     

改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播(BP)网络算法,并建立了相应的网络模型.大量的数据分析计算表明,该模型收敛快,且精度优于常规的模糊神经网络和传统的统计模型.     

基于模糊神经网络和遗传算法的大坝安全监控模型

应用监控模型来监控大坝的工作性态是一条有效途径 ,但由于大坝工作条件复杂 ,影响因素繁多 ,为以精确的数学模型进行描述带来了很大的困难 ,而应采用从定性到定量的综合集成的方法 ,将专家知识、监测数据和各种信息与计算机软硬件技术结合起来 ,把坝工理论和坝工专家的经验结合起来对其进行研究。文中应用模糊神经网络和遗传算法等人工智能技术 ,依据专家的经验确定隶属函数 ,从而建立模糊神经网络预报模型 ,根据专家对实际情况的正确分析 ,对预报结果进行修正 ,达到进一步提高预报精度的目的     

大坝观测数据的模糊神经网络分析

针对某一混凝土重力坝水平位移实测值建立模糊神经网络预报模型，用改进的遗传算法对参数进行调整和优化，并用自组织竞争神经网络来优化模糊神经网络结构。计算结果表明，其预报精度优于常规的统计回归模型。     

基于果蝇-BP神经网络算法的大坝力学参数反演

采用果蝇算法与BP神经网络方法结合进行混凝土重力坝弹性模量反演分析,使得反分析出的坝体和坝基弹性模量更精确、效率更高。分析表明:果蝇-BP神经网络算法的精度优于纯粹的BP神经网络算法,对坝体和坝基的材料参数进行反演分析可以更准确、更全面地了解坝体和坝基材料情况,可为工程的设计和施工提供一定的参考信息。     

主成分神经网络模型在大坝观测资料分析中的应用

在大坝观测资料分析中，各因子间常存在不同程度的相关性，这种相关性有时会对分析效果产生较大的影响；另外，通常的回归模型为线性模型，难以精确反映一般为非线性函数的因变量的变化规律。针对上述问题，本文将主成分分析和模糊神经网络相结合，建立大坝观测数据的主成分模糊神经网络模型，经实例计算，该模型的预报精度较高。     

隔河岩大坝混凝土弹性模量反演分析

本文基于隔河岩工程原型位移监测资料,对大坝混凝土弹性模量进行反演,首先对原型位移监测资料采用逐步回归得出大坝位移统计模型,并分离出水压位移分量,再利用有限元结构分析软件ANSYS获得理论水压分量,通过反演从而求出大坝混凝土的平均弹性模量.结果表明,此法获得的弹性模量接近真实情况,为评价大坝安全性态提供了可靠的依据.     

主成分神经网络模型在大坝观测资料分析中的应用

在大坝观测资料分析中，各因子间常存在不同程度的相关性，这种相关性有时会对分析效果产生较大的影响；另外，通常的回归模型为线性模型，难以精确反映一般为非线性函数的因变量的变化规律。针对上述问题，本文将主成分分析和模糊神经网络相结合，建立大坝观测数据的主成分模糊神经网络模型，经实例计算，该模型的预报精度较高。     

基于混沌优化模糊神经网络的大坝安全监测模型

大坝监测数据分析和大坝监控预测模型的难点在于监测数据的效应量和影响量之间的高度非线性关系,传统监测模型的非线性分析能力欠缺.在充分利用模糊神经网络的模糊推理能力、处理众多影响因素能力和解决复杂非线性问题能力的基础上,结合混沌优化算法的全局搜索能力,建立了基于混沌优化的模糊神经网络模型.对某拱坝变形进行了拟合和预测,计算结果与实测值吻合良好.     

遗传算法在大坝安全监控神经网络预报模型建立中的应用

本文基于遗传算法思想，采用浮点数矩阵表示编码，在遗传算法的进化过程中加入一定的约束条件等方法，探讨了网络结构的设计和学习。经实例分析，在用于建立大坝安全监控预报模型的前馈神经网络设计中，该方法在满足一定约束条件下，能同时有效地寻找合适的网络结构和相应的参数(神经网络的权值和阈值)，且在精度和速度上都有较大的提高，为实现实时在线分析评价大坝的安全性态提供了有力的技术支持。     

大坝观测数据的模糊神经网络分析

针对某一混凝土重力坝水平位移实测值建立模糊神经网络预报模型，用改进的这传算法对参数进行调整和优化，并用自组织竞争神经网络来优化换糊神经网络结构。计算结果表明，其预报精度优于常规的统计回归模型。     

云峰大坝弹性参数识别的神经网络方法

基于人工神经网络方法，根据云峰大坝坝顶水平位移观测资料能够识别大坝混凝土和岩石基础的弹性模量。采用ＢＰ学习算法，并通过增加阻尼项以及对观测数据的归一化处理，避免迭代过程中的振荡性，提高了参数识别精度，将弹性模量识别结果代入到有限元模型中，计算所得到的坝顶水平位移与坝顶观测水平位移水压分量的最大误差小于０．１５ｍｍ。工程实际应用表明，用神经网络方法识别材料参数具有识别精度高和收敛速度快等特性。     

大坝变形的时空模型及参数反演理论

建立了大坝时变位移分析模型，并采用Ｂ样条函数拟合，根据辨识沉降值，建立了坝区力学参数反演模型。     

改进的BP神经网络模型在大坝安全监测预报中的应用

针对BP神经网络模型存在的缺陷进行了改进 ,并将改进的BP模型应用于大坝安全监测中效应量的预报。示例证明 ,改进的BP神经网络模型与常规BP神经网络模型及回归统计模型比较具有明显的优越性     

清江隔河岩大坝混凝土弹性模量的智能反演

本文基于隔河岩工程原型监测资料,首先利用逐步回归得出统计模型,再利用有限元结构分析软件ANSYS获得不同弹模、不同水位下的水平位移水压分量,构造学习样本进行网络训练,从而求出大坝混凝土的平均弹性模量。结果表明,智能反演获得的弹性模量接近真实情况,为评价大坝安全性态提供了可靠的依据。     

基于遗传算法的物理力学参数反演

基于遗传算法的直接随机寻优特性,首先介绍了采用实数编码遗传算法反演物理力学参数的基本步骤,然后在三维有限单元法的基础上,结合水平位移等大坝安全监测资料,提出了大坝坝体弹性模量和坝基变形模量的反演方法。并结合某重力坝8#坝段的安全监测资料,利用该方法反演得到了该大坝坝体弹性模量和坝基变形模量。算例表明,采用遗传算法—三维有限单元法反演大坝坝体及坝基的物理力学参数是可行的。