基于解耦子波和优化神经网络的大坝变形预测

针对提高神经网络对大坝变形的预测能力,在对Murtagh提出的、小波与神经网络相结合的、用于复杂时间序列预测的“三阶段”策略进行改进的基础上,发展了一个解耦子波和优化神经网络优势联合的预测模型。首先,利用冗余Haar小波变换的拟小波包特性提出了基于能量谱主峰重构的动力解耦空间构建技术,并将其替代“三阶段”策略中的第1阶段,从而为神经网络的应用创建了良好的平台;再者,利用最优脑外科医生进行网络结构修剪,建立了神经网络自身优化的“优化–时新窗”技术,并将其替代“三阶段”策略中的第2阶段,从而优化了神经网络的内部环境。改进后的模型增强了对复杂动力系统的适应和处理能力。在大坝变形预测应用中,多个评价指标说明,该模型的性能比“三阶段”策略有显著提高。