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。     

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     

隔河岩大坝安全监测系统评价及改进

介绍了隔河岩大坝安全监测系统的布置情况，根据技术评价对监测系统的仪器设备、观测项目及观测频次提出改进意见。     

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。     

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。     

神经网络应用于大坝安全评价的方法研究

运用神经网络方法评价大坝安全极具优越性;但传统大坝安全评价方法不能为神经网络模型提供学习样本。提出一种新的大坝安全评价方法;为神经网络应用于大坝安全评价提供可能。     

佛子岭大坝安全监测系统更新改造

介绍佛子岭大坝原有安全监测系统及存在的问题，各观测项目更新改造的要求及部分项目的实施情况，并结合实际谈了几点体会。     

运行期大坝安全监测系统评价

从运行期大坝现有监测设施可靠性和监测系统完备性两个方面介绍了监测系统评价的内容。从影响可靠性的因素出发,阐述监测设施可靠性评价的要点,以满足评价大坝安全性为标准,阐述运行期大坝安全监测系统完备宜具备的条件。     

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...     

青狮潭水库大坝安全监测系统的建立

介绍青狮潭水库大坝安全监测项目及布置，系统的结构与功能，系统功能齐全，操作方便，从１９９５年６月开始运行以来，至今运行正常，性能稳定可靠，可在土石坝工程推广使用。     

土石坝安全监测信息管理系统开发

介绍了《土石坝安全监测分析评价预报系统》的信息管理系统．该系统包括数据库子系统、预处理子系统、图形／图像子系统．该系统为水库安全评价的及时性、准确性提供了保证,具有较好的应用前景。     

基于改进BP神经网络模型的苏帕河流域梯级电站水质综合评价

引入人工神经网络（ANN）理论,提出了水环境质量综合评价的改进BP神经网络模型,并编制了相应的程序。将模型运用于苏帕河流域梯级电站水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差。与传统评价方法相比,本模型全面考虑多种因素,评价结果更为客观、合理;相应所开发的评价系统适应性强,通用性好,简单易用,具有优越性。     

多因素评判理论在监测系统综合评价中的应用

在介绍多因素评判理论的基础上,阐述了多因素评判方法在大坝安全监测系统综合评价工作中的应用,结合实例说明该方法的实际操作,并得出一些有用的结论。     

基于数据库的大坝安全监控专家系统知识库设计

知识库是整个专家系统的灵魂,知识库中知识的表达、组织与存储模式将影响推理机的推理效率,同时也会影响知识的更新与丰富,最终影响整个专家系统的智能水平。本文着重论述了用关系数据库来设计大坝安全监控专家系统知识库的方法,使知识库具有较好的知识扩展性和合理性,使专家系统的智能水平可以得到不断的提升。同时,利用关系数据库实体间的关系,很容易维护和使用存储在其间的知识,使整个专家系统具有较高效的推理效率。     

BP神经网络预测河流月径流量

河流的月径流量是随机变化的，影响因素很多，如人类活动、降雨、下垫面的土壤、植被覆盖情况。利用人工神经网络理论建立BP（Back-Propagation，反向传播方法）网络预测模型，用该模型对河流的月径流量进行预测，BP神经网络模型计算快速，占用内存小，还有很好的容错性，可以得到比较理想的结果，精度高，可靠性好。模型建立之后，将其用于实例，通过对大量样本进行很多次的训练学习，得到训练好的BP网络模型，最后进行预测，得到令人比较满意的结果。     

通过观测资料分析土石坝的渗流安全状况

随着大坝安全监测自动化的发展，所观测到的数据量很大，如何及时准确地帮助大坝管理人员分析观测资料，以了解土石坝的运用及安全状况，成为大坝安全管理现代化的一个难题。就如何利用观测资料分析土石坝的渗流安全状况作了初步的研究，并结合一具体实例，分析了该坝的渗流安全状况，表明研究成果具有一定的实用性。     

神经网络在结构振动控制中的应用

采用BP神经网络对一个SDOF体系被控对象的控制器进行系统辨识，比较了BP算法与LQR经典线性算法控制下体系反应的控制效果，对于影响BP神经网络用于结构振动控制的相关问题进行讨论，同时指出神经网络的应用应参照问题客观数学模型的描述，以利于快速找到问题的合适解决方案。     

水闸安全监测及可靠性评价研究

为提高水闸安全监测和可靠性评价水平，确保水闸低风险运行，本文在分析水闸特点和影响水闸可靠性因素的基础上，结合风险分析对监测项目设置等进行了研究，从安全性、适用性和耐久性三个方面给出了水闸可靠性评价的具体方法、步骤和计算公式，指出了需要注意的问题并提出有关建议，为进一步做好水闸安全监测和可靠性评价工作奠定了基础。     

前馈人工神经网络法在大坝安全监控中的应用

应用预测模型来监控大坝复杂的工作性态是一条有效途径。但因大坝的工作条件复杂、影响因素众多,给应用精确的数学模型监控大坝工作性态带来了困难。为此,应用人工神经网络模型隐式的数学表达形式,提出并建立了基于交替学习迭代算法的人工神经网络模型,并结合清江隔河岩水电站的实际,研究了这种模型在大坝基础渗流量及进水闸顶位移预测中的实际应用,其误差收敛快,预报精度较高。通过进一步的研究后,这种模型可望为大坝安全性态的实时在线监控提供有力的技术支持。     

基于BP神经网络的土石填料压实质量控制

现行的土石填料压实质量检测方法由于自动化程度低、效率低、采样密度小等缺点,很难满足工程建设质量实时控制的需要.开发新的检测技术,实现填料高质、快速、无损和动态的检测已成为亟待解决的重要任务之一.本文阐述了BP神经网络原理,并结合PFWD时程曲线的动态参数,建立了基于BP神经网络的土石填料预测模型.实际数据对比分析表明,该方法能够满足压实质量的快速检测.