基于改进BP神经网络的海堤渗压监测方法

由于影响海堤渗压的因素较多,导致在对海堤渗压进行监测时存在较大误差,为此提出基于改进BP神经网络的海堤渗压监测方法研究。先利用马氏距离计算了不同潮位对渗压的影响强度,综合了海堤结构和降雨情况两个方面计算降雨对海堤渗压的影响强度,然后根据海堤堤身状态的发展基础计算了时效对海堤渗压的影响强度,结合计算结果,改进了BP神经网络隐含层的神经元设置,将相对误差参数作为输出层的输出期望,最后利用Sigmoid函数对影响因子参数进行归一化处理后,以实际的影响因子参数为基础实现对海堤渗压数据的监测。测试结果表明,设计方法的监测结果与实际海堤渗压数据之间的误差<1.50 kPa,且其获得结果明显优于对比方法,具有较高的准确性。     

基于微粒群算法的海堤渗压RBF神经网络监测模型

为提高海堤安全监控能力,从渗压实测数据以及潮位因子和降雨因子入手,使用影响因子的合理形式,利用径向基函数(RBF)神经网络建立渗压监测模型,推导微分进化微粒群优化算法(DPSO)速度和位移进化的数值计算方程,以此确定渗压RBF神经网络模型的聚类中心,并由此对渗压进行拟合和预测。以120组实测样本对模型进行训练拟合,并对后期60组渗压进行预测,得到拟合段平均相对误差为0.83%,相应预测段为1.71%。实际应用表明,经微分进化微粒群算法优化后,渗压RBF神经网络模型可以有效反映及预测渗压变化。     

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...     

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。     

海堤渗压安全监控潮汐确定性模型和混合模型研究

为了掌握在时刻变化的潮汐作用下的海堤渗流状态,考虑潮汐分量对渗流状态的影响,将其与用有限元法计算出的测点渗压进行优化拟合,建立潮汐确定性模型;在考虑潮汐分量对渗流状态影响的基础上,考虑时效分量的作用,将其与测点实测渗压进行优化拟合,建立混合模型,模型对潮汐分量的计算仍然采用有限元法,对时效分量的计算采用统计方法。两模型均利用逐步回归分析法求得回归系数和复相关系数。分析两模型的复相关系数,建模和预测平均相对误差。实例表明,这两种模型均能够较好地反映测点的渗流状态,预报测点的渗压,实现对海堤渗压的有效监控和预测。     

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     

基于BP神经网络-实时跟踪算法的海堤沉降预测

对海堤工程进行实时监控对保障堤防安全具有重要意义。以浙江省某海堤工程沉降数据为研究对象,建立基于MATLAB的BP神经网络-实时跟踪组合预测算法模型,并用原型观测数据对其进行了校核和检验,最后将该算法结果与灰色理论中的GM（1,1）模型结果进行比较。结果表明,用BP神经网络-实时跟踪组合算法预测海堤工程变形具有较高精度和抗噪性,为海堤工程变形沉降预测提供了新的研究思路。     

基于改进BP神经网络模型的区域农业灌溉用水预测研究

传统BP神经网络模型局部易出现收敛,在模型求解过程,易出现求解不收敛的缺陷.为此引入小波分析函数对传统BP神经网络的节点计算进行改进.并将改进的BP神经网络模型运用于农业灌溉用水预测中,研究结果表明:改进的BP神经网络模型改变了局部易收敛的缺陷,模型求解更为合理.在农业灌溉用水预测精度上也明显好于传统的BP神经网络模型.     

潮位影响下的海堤渗压变化特点

通过先进的潮位和海堤渗压监测仪器及其数据采集系统,获得海堤堤身不同位置实测渗压序列,以及对应的潮位变化曲线,采用序列对比、马氏距离计算、谐量分析方法,对工作在潮位环境下的海堤渗压所具有的一些特殊规律进行分析,归纳总结了渗压与潮位间的关联特点、海堤断面渗压分布规律的多变性以及渗压变化的多周期特征,并对海堤渗压监测模型的建立以及海堤堤身渗压计算提出建议,为有针对性地进行海堤状态的计算、监测、识别提供有效参考。     

基于改进遗传算法的渗压分析

针对具体工程情况，建立了渗压的回归分析模型，用改进遗传算法进一步对模型的各项系数进行了全局寻优。通过与解析法所得模型的比较，证明了该改进遗传算法的有效性。     

基于改进的BP神经网络模型的防洪堤安全综合评价

针对全线监控堤防工程难度较大且失事后果严重等问题,文章从承灾体、孕灾环境及致灾因子3个层面选择24项具有代表性评价指标,构建了半结构性多目标、多层次的防洪堤安全综合评价体系。然后利用突变理论优化改进了BP神经网络,其中网络输入层参数为突变理论归一化处理后的指标值,中间层数值采用试错法确定,并以防洪堤安全综合评价值作为BP神经网络的输出层。以汀江防洪工程为例综合评价了其防洪堤安全,为进一步验证改进的BP网络的准确性与有效性,对比分析了层次分析、主成分分析与改进的网络模型评价结果。研究表明:改进的BP网络不仅具有简单实用、鲁棒性较强等优点,而且能够综合考虑防洪堤安全各因子之间的矛盾关系,可为堤防工程安全控制提供一定决策依据。     

基于改进的BP神经网络径流量还原计算研究

针对水文系统复杂性与非线性的特点,加入动量项因子对BP神经网络进行改进,加快收敛速度,将自然因素、人为因素、自然与人为混合因素分别作为输入因子,构建了大沽夹河天然径流量还原计算方案,用逐项还原法的结果验证对比选出最佳方案。结果表明:①经过改进的BP神经网络收敛速度明显加快,由平均的6 028次迭代优化到1 782次迭代;②以降雨量、蒸发量和实测径流量为输入因子的第三种方案模拟误差最小,适用于大沽夹河流域天然径流量还原计算。     

基于改进BP神经网络的水库调度函数研究

介绍了BP神经网络的基本原理及其改进方法。运用改进BP神经网络对水库调度函数进行非线性拟合,并将所得的调度函数应用于水库群联合调度。模拟调度中以出流和时段末水位做决策,两者相互印证和补充。实例表明,神经网络拟合精度较高,水库群的模拟联合调度取得了满意的效果。对于金沙江下游梯级及三峡葛洲坝水库组成的6库水电系统,对比按常规调度和线性调度函数方式,梯级保证出力分别增加了380 MW和160 MW,年均电量分别提高了73.79亿kW.h和12.45亿kW.h,年均弃水量分别减少了512.5亿m3和87.7亿m3,效果显著。     

基于BP神经网络的水电工程定额编制模型研究

水电建筑工程市场的快速发展对水电工程定额提出了实时、准确、高效的要求,而当前主流的传统定额编制方法已经不能满足市场需求,寻求一种快速有效的定额编制方法迫在眉睫。针对水电工程定额编制中存在的问题,运用BP神经网络理论,建立水电工程定额消耗量与其影响因素之间的BP神经网络算法模型,通过已知的有限样本数量预测出未知消耗量,并以实例验证了此方法的可行性。该方法的应用极大简化了定额的编制工作。     

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。     

改进的BP神经网络模型在地下水预测中的应用研究

针对传统BP神经网络模型局部较易收敛的缺点,引入小波分析函数对传统BP神经网络模型节点计算进行改进,并将改进的BP神经网络模型在新疆地区地下水预测中进行应用,研究结果表明:改进的BP神经网络模型可解决模型局部较易收敛问题,预测的地下水水位和实测的地下水水位更为接近,预测的地下水水位和实测水位之间的相关性年尺度达到0.85,高于传统BP神经网络模型的预测精度。     

预测济南地下水位的BP神经网络模型及其改进

用BP神经网络预测济南市地下水位，并利用网络“截口”处连接权与阈值的信息，揭示了“过拟合”现象与输入神经元间的多重共线，是导致BP神经网络预测性能降低的主要原因．确定了以当年地下水开采量、前1年地下水位、当年降雨量为输入神经元，拓扑结构为3:3:1的改进的BP神经网络模型，预测了济南地下水位．结果表明，该模型的预测精度较高，相对误差约为6％．     

基于改进BP神经网络模型的云南文山州水资源脆弱性综合评价

利用层次分析法构建符合丰水地区水资源脆弱性评价的指标体系和等级标准,分别构建基于单、双隐层BP神经网络技术的区域水资源脆弱性综合评价模型,并采用内插法构造网络训练样本,将水资源脆弱性分级评价标准值作为“评价”样本,对云南文山州区域水资源脆弱性进行评价分析。结果表明：①单、双隐层BP神经网络模型对区域水资源脆弱性综合评价结果基本相同,说明研究建立的区域水资源脆弱性评价模型和评价方法均是合理可行的,与单隐层网络相比,双隐层网络泛化能力强,预测精度高,但训练时间较长;②文山州各评价区域不同规划水平年水资源脆弱性评价等级为Ⅲ-Ⅴ级,即处于中度脆弱与不脆弱之间,客观反映了该州水资源脆弱性状况,符合区域实际情况。评价结果可以作为研究和评价区域水资源脆弱性的参考依据。     

基于改进BP神经网络的地下工程围岩分类

传统BP神经网络存在局部极小值、学习算法收敛速度慢、网络结构难以确定等缺点,因此采用改进的BP神经网络分析地下工程围岩的稳定性。将岩石单轴饱和抗压强度、岩石质量指标、岩体的完整性系数、结构面的强度系数、地下水渗流量作为围岩的分类指标,利用附加动量因子、L-M优化算法与Nguyen-Widrow初始化算法相结合的改进BP神经网络建立围岩稳定性的分类预测模型,并运用MATLAB对学习样本进行分类识别,确定地下工程围岩的岩体等级,并结合平均影响值特征筛选法确定影响围岩稳定性的主导因素。实例分析结果表明:岩体的质量、强度以及所处的状态对围岩的稳定起主导作用,结构面产状和性状则为次级影响因素。     

基于改进的BP神经网络模型的营口地区河流水质预测分析

采用改进的BP神经网络模型对营口地区河流水质进行适用性分析.对比分析表明:相比于传统BP神经网络模型,改进模型可对模型梯度变量进行修正,河流水质指标预测精度得到明显改善.研究成果对于营口地区河流水质预测具有重要的方法参考价值.