确定大坝效应量分量比例的神经网络方法

被引:13
作者
徐洪钟
吴中如
施斌
王建
机构
[1] 南京大学地球科学系
[2] 河海大学水利水电学院
[3] 河海大学水利水电学院 江苏南京
[4] 江苏南京
关键词
大坝; 神经网络; BP网络; 效应量; 环境量; 比例;
D O I
10.13243/j.cnki.slxb.2003.06.019
中图分类号
TV698.1 [水工建筑物的监测与原型观测];
学科分类号
081504 ;
摘要
为了评价水位、温度等环境量对大坝观测效应量的综合影响程度 ,并由此定量分析评价大坝的运行状态 ,提出了确定大坝观测效应量的各分量比例的神经网络方法。根据大坝的观测资料 ,利用误差反向传播的神经网络 (BP网络 )建立效应量与环境量关系的神经网络模型 ,BP网络的输入变量为水位、温度、时效等环境量因子 ,网络的输出变量为效应量。利用网络的权值来表示网络的输入变量对网络的输出变量的影响程度 ,从而确定水位、温度等分量占效应量的比例。文章通过工程实例验证了该方法的有效性。结果表明 ,该方法简便实用 ,可定量分析水位、温度等环境对效应量的影响程度 ,有助于进一步分析大坝的安全性态
引用
收藏
页码:111 / 114
页数:4
相关论文
共 7 条
[1]  
大坝动力系统的安全监控非线性分析模型研究.[D].徐洪钟.河海大学.2001, 01
[2]  
人工神经网络与模拟进化计算.[M].阎平凡;张长水编著;.清华大学出版社.2000,
[3]  
基于神经网络的智能诊断.[M].虞和济等著;.冶金工业出版社.2000,
[4]  
智能控制理论和方法.[M].李人厚编著;.西安电子科技大学出版社.1999,
[5]  
面向MATLAB工具箱的神经网络理论与应用.[M].丛爽编著;.中国科学技术大学出版社.1998,
[6]  
水工建筑物安全监控理论及其应用.[M].吴中如等著;.河海大学出版社.1990,
[7]  
Interpreting neural network connection weights..Garson G D;.AI Expert.1991,