基于GA-PSO-BP 的大坝变形监测模型 |
| |
引用本文: | 卢献健,罗 乐,胡应剑,周 斌,王 雷.基于GA-PSO-BP 的大坝变形监测模型[J].桂林理工大学学报,2020,40(2):384-389. |
| |
作者姓名: | 卢献健 罗 乐 胡应剑 周 斌 王 雷 |
| |
摘 要: | 提出了一种基于GA-PSO 混合优化BP 神经网络的大坝变形监测模型, 将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合, 利用GA 算法的全局性和PSO 算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差, 提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP 模型对大坝自动监测数据进行预测分析, 实验结果表明GA-PSO-BP 模型优化了BP 神经网络的连接权值和阈值, 能有效提高网络训练精度与收敛速度, 有效避免早熟收敛, 使模型的整体预测效果得到提高。
|
关 键 词: | 大坝变形监测 GA PSO BP 神经网络 |
|
| 点击此处可从《桂林理工大学学报》浏览原始摘要信息 |
|
点击此处可从《桂林理工大学学报》下载全文 |
|