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。     

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。     

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     

水电站大坝观测数据管理系统

水电站大坝观测数据管理系统FORWINDOWS是在中文WINDOWS系统下开始完成的，系统充分体现了WINDOWS的优点，使应用本系统的用户工作在一个非常友好的图形介面中．本系统在编制中，应用了WINDOWS提供的图形按钮，查询滑标，下拉菜单及功能选择框等新技术，使系统在应用过程中更加方便灵活．本系统在使用过程中，除了输入数据时需要操作数据键盘输入数据，其余的全部操作都可用鼠标来完成．水电站大坝观测数据管理系统FORWINDOWS为广大从事水电站大坝观测工作的工程技术人员在WINDOWS的环境下，提供了一个更为方便、灵活、快捷、准确的数据处理工具，使大坝观测数据的保存，处理分析及成果输出工作更为方便实用，极大地提高了观测工作的效率，为水电站的运营及施工提供了一个及时可靠的观测成果．     

BP神经网络模型应用于大坝原型观测研究

针对传统的多元线性回归方法的不足,提出将BP神经网络模型应用于大坝原型观测数据处理。并介绍了BP神经网络模型的结构和算法,以及训练样本的归一化处理方法;将BP模型应用于黑河金盆水库大坝原型观测,结果表明,其模拟和预测效果均优于多元线性回归模型。     

大坝观测数据序列中的混吨现象

本文探讨大坝观测数据中的混沌现象。文中对坝体径向位移的实测值与残差的数据序列，分别进行相空间重构，将若干固定时间延迟点上的测量作为新维处理，形成相点，按照关联维数方法求算吸引子维数。计算中对数据进行规格化处理，所得吸引子维数为3.1～3.5.不同测点上的测值与不同起始时刻的计算结果比较接近与稳定。文中还绘制了实测值与残差序列的相轨线图，它们均与白噪声序列的轨线形状有明显不同。初步表明观测数据中存在有奇异吸引子。     

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。     

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.     

改进的模糊神经网络模型在大坝弹性参数反演中的应用

通过对经典BP网络算法的改进,引入迭代步长优化的自适应规则,有效地避免了迭代解的振荡问题,提高了收敛速度。工程实例应用表明,基于模糊神经网络模型反演参数的方法具有精度高、收敛快等优点。     

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。     

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.     

大坝变形观测资料分析的组合模型

大坝变形观测资料分析对大坝安全维护有极其重要的意义，灰色分析、回归分析和时间旬分析技术是根据大坝变形序列特征，采用数学手段逐步提取趋势、周期、随机３种成分，对不同的成分分别建立不同的模型，从而构成了一种组合模型，它可较客观地描述大坝运行工况，拟合精度较高且有直接预报功能。模型不易受少数错误观测值干扰，对含有特异值的大坝变形观测序更分析是非常有利的。该模型已得到了应用，其结果与为生产单位采用。     

大坝变形观测数据处理软件的设计及应用

主要介绍大坝内部和外部变形观测软件的设计思路、理论依据、流程及其主要功能和数据文件的建立、库结构的设计。     

毛尖山水电站大坝观测资料分析

对该坝观测资料进行大量的整理分析工作，并采和随机影响较小的时期，取典型断面，按特征库水位，以修正后的观测资料为基础，结合工程实际情况，采用“倾度法”和“位势法”作了大坝变形和渗流性态的综合分析，从而得出大坝在现状下运行是正常的结论。