BP神经网络在大坝位移监测中的应用

利用BP神经网络模型较强的非线性处理能力特性,以水位、温度和时效作为输入层,大坝位移为输出层,建立BP神经网络模型对龙滩大坝的位移监测数据进行模拟和预测,并将拟合值、预报值和实测值进行对比分析,结果表明:BP神经网络模型对大坝位移拟合效果较好,预报值精度较高,具有一定的参考应用价值。     

BP模型在大坝安全监测预报中的应用

如何正确地预报大坝安全监测量，对馈控大坝安全运行和辅助决策具有重要的意义。文章提出应用神经网络的ＢＰ模型进行大坝安全监测数据的预报，并针对某一混凝土重力坝的水平位移实际测值构建了ＢＰ模型，其预报精度较以往统计模型有较大的提高。     

基于改进BP神经网络的大坝变形监测模型预报

变形监测是大坝安全运行的重要保证,结合白石水库混凝土坝真空激光X向位移资料进行分析,提出应用改进的BP神经网络思想建立的安全监测模型,结合对相关数据参数进行系统性的研究,并与传统BP神经网络模型训练、预测结果对比,得出改进的BP神经网格模型优于传统BP神经网络模型,具有一定抗差能力,能够降权使用可疑值,相关系数较高,预测精度好,可在实际中广泛运用。     

基于BP神经网络的大坝安全监测系统评价研究

大坝安全监测系统的评价是对一个DSMS系统的性能进行全面估计与测试,良好的评价可以促进系统设计目标的实现,提高运行效率。本文提出一种利用BP神经网络进行评价的方法,并且对神经网络的样本评价采用了AHP以及模糊评价的方法。该方法充分利用了模糊数学理论与神经网络方法,为大坝安全监测系统的评价提供了可行的途径。     

BP模型在大坝安全监测预报中的应用

如何正确地预报大坝安全监测量，对馈控大坝安全运行和辅助决策具有重要的意义。文章提出应用神经网络的BP模型进行大坝安全监测数据的预报，并针对某一混凝土重力坝的水平位移实际测值构建了BP模型，其预报精度较以往统计模型有较大的提高。     

基于改进BP神经网络的大坝安全监测预报模型

合理有效的安全监控预报模型,是保障大坝的安全运行的重要手段.针对传统统计模型预测精度不高的问题,通过对BP神经网络的优化改进,建立基于逐步回归特征选择算法筛选输入变量、自适应学习率和附加动量因子网络学习的BP神经网络预测模型,并将该模型用于某混凝土拱坝的变形预测中.结果表明,改进的BP网络预测模型具有出色的非线性逼近能...     

Matlab仿真大坝位移BP神经网络模型研究

文章基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝变形实测数据,建立了三种不同改进BP算法的多层前馈神经网络模型。分析其拟合、预报结果,选择更为合适的网络模型,实现对大坝位移实时、有效的监控。     

基于 BP 神经网络的大坝新多测点位移模型

大坝位移监测资料分析大多以单一测点得到的数据建立模型,这种单测点模型无法反映大坝作为一个整体各点位移之间的相互联系,也就不能真实地反映坝体的整体安全性态。为此,将多个同源测点联合考虑,通过测点之间的相关性对目标测点建模,再通过该模型推求未布置测点位置的大坝位移值,为推求大坝整体单向位移创造条件。经实例验证,这种新模型在对目标测点的位移预测和补全缺失数据两方面相对常规的单测点模型效果更佳,而且在对未知点的位移值进行预测方面也具有良好效果。     

Matlab仿真平台下大坝位移BP神经网络模型研究

基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝位移实测数据,建立了3种不同改进BP算法的多层前馈神经网络模型。并通过LM算法、BR算法、GDX算法的BP网络模型的拟合、预报结果,对3种模型的应用效果进行了比较分析,得出了LM算法的BP网络更适合用于建立坝顶位移监控模型的结论,以实现对大坝位移实时、有效的监控。     

Matlab仿真平台下大坝位移BP神经网络模型研究

文中基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝变形实测数据,建立了三种不同改进BP算法的多层前馈神经网络模型,分析其拟合、预报结果,选择更为合适的网络模型,实现对大坝位移实时、有效的监控。     

改进的BP神经网络在大坝安全监控中的应用

针对经典BP神经网络运行中存在的缺陷，提出了改进的BP神经网络，不仅解决了经典BP网络易陷入局部最小的弊端，而且应用的0.618分割选取法能使网络快速找到较优隐含层节点数，初始权值的自相关修正进一步提高了网络的稳定性。实际应用证明，改进的BP神经网络有效提高了网络质量，适合大型网络的构建与训练。     

BP网络在大坝变形空间多测点监测模型中的应用

利用BP网络的较强函数非线性映射能力,对大坝多个测点的变形监测数据进行了仿真及预测,所建立的空间多测点BP网络模型以水位、温度、时间、测点坐标作为输入参数,以大坝变形值作为网络输出.结果表明,通过有代表性的学习样本对网络的训练,模型的拟合及预报结果能够满足精度要求,同时,与传统的统计建模方法相比,大坝变形多测点BP网络模型具有实施容易、运行速度快、误差修正方便、操作简单、运行灵活等优点.     

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。     

变权组合预测模型在大坝安全监测中的应用

简要介绍了组合预测模型的基本原理，该模型改进了单一模型考虑因素的片面性，但常规的组合预测模型的权系数是固定的。考虑到各种模型的预测精度的变化，以及大坝安全监测数据存在的突变、时效等因素，固定权系数的组合预测模型有待进一步改进。文中提出了变权系数组合预测模型，并将其用于实际的大坝安全监测工程。结果表明，变权组合预测模型的预报精度高于其他模型。是一种值得推广的方法。     

基于改进粒子群算法的坝体位移监控模型

在基本粒子群算法的基础上,提出了一种基于以e为底的指数函数的惯性权重策略的改进粒子群算法。将粒子群算法引入大坝安全监控领域,并结合坝体位移的多元回归统计模型,建立基于改进粒子群算法的大坝安全监控模型,并应用于新安江大坝的安全监测。实际应用表明,改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快。     

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.     

优化BP网络在均质土坝变形预测中的应用

宁夏南部山区小型水库除险加固普遍采用坝前淤积面加坝技术,且坝体多建于湿陷性黄土基础上,在自重、渗流等多种因素作用下极易产生变形。为准确判定坝前淤积面加坝技术的合理性和可靠性,可利用BP神经网络分析预测大坝坝体变形情况与未来趋势,但传统的BP算法需对数据进行标准化处理,为了简化数据的标准化处理过程,提高处理效率,提出了传递函数的优化方法,并把优化后的BP网络应用于大坝表面变形预测中,得到了较满意的结果。     

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.     

遗传回归土石坝安全监测预报模型

针对以往监测模型预测精度难以保证的问题,提出了一种新的安全监测预报模型--遗传回归模型,在保证一定拟合精度的基础上运用该模型,提高了模型预测精度.     

神经网络对贮灰坝的稳定预测

应用改进的BP神经网络对贮灰坝的安全状况进行了实时在线分析和预测,预测了水位变化时贮灰坝的安全系数,分析了贮灰坝安全系数的影响因素,具有很好的工程实用价值。