GRNN神经网络在坝基渗流预测中的应用

人工神经网络在大坝监测资料分析及预测中应用效果良好,而广义回归神经网络具有柔性网络结构、很强的非线性映射能力及高度的容错性,非常适合解决非线性问题。实例分析结果表明:与BP神经网络相比,广义回归神经网络在预测能力及学习速度上具有明显优势,且样本较少时其预测效果也较好。     

基于熵权的大坝渗流性态模糊可拓评价模型

针对评价大坝渗流性态一直为工程决策的难点问题,以某混凝土重力坝# 2坝段为例,构建了大坝渗流指标结构体系,选定了渗流评价标准和监控指标,利用可拓理论将定性与定量分析有机结合,并结合模糊数学理论构造了渗流性态评价中的模糊物元,引入熵权法确定指标体系的权重系数,建立了基于熵权的模糊可拓评价模型.结果表明,该坝段渗流性态正常,评价结果合理,符合实际情况.     

逐步回归算法在边坡安全监测中的运用

考虑时效、降雨和温度对边坡变形的影响,深入分析了边坡变形的外在影响因素及各因子的表达形式,建立边坡变形统计回归模型,应用Matlab软件和逐步回归算法,实现边坡变形的回归分析与预测。东津水电站溢洪道左岸高边坡变形监测资料分析成果表明:边坡变形统计拟合值与实测值接近,复相关系数较大,剩余标准差较小。该模型能较好地反映边坡的变形规律和发展趋势,为分析边坡运行时的安全状态和预测变形趋势提供了指导思想,有较大的工程实用价值。     

基于熵权法和G1法的大坝监测指标权重融合

熵权法求权重能客观地反映实测信息,但不能反映专家意见,而G1法可反映专家的以往经验,但偏于主观。根据熵权法与G1法理论,综合了两种赋权方法,提出一种主客观相融合的大坝监测指标权重融合法,该法简单易行,计算结果较合理。     

遗传算法优化BP神经网络在大坝扬压力预测中的应用

针对BP神经网络的局部极小和收敛慢等问题,提出了利用遗传算法的选择、交叉和变异操作优化BP神经网络的权值和阈值,将优化后的BP神经网络用于预测大坝扬压力。通过实例应用,将遗传算法优化的BP神经网络与逐步回归、BP神经网络预测相对比,结果表明遗传算法优化的BP神经网络收敛快且预测结果精度高。     

确定大坝效应量真实分量比例的灰色距离测度研究

为了评价各因素对大坝监测效应量的综合影响程度,提出一种新的灰色距离测度,并应用于大坝效应量分量比例确定中.首先利用主成分确定各分量真实系数,然后应用该理论确定各个分量的比例.工程实例表明,该方法简单可行,能科学有效地确定大坝效应量分量比例.