基于IPSO-BP神经网络的坝基扬压力预测方法研究

被引：3

作者：

顾浩钦

仲云飞

程井

邓同春

李阳

机构：

[1] 河海大学水利水电学院

来源：

三峡大学学报(自然科学版) | 2013年 / 35卷 / 02期

关键词：

扬压力; BP神经网络; 改进粒子群算法; 统计模型;

D O I：

暂无

中图分类号：

TV223 [地基基础及其加固];

学科分类号：

摘要：

针对坝基扬压力预测的传统BP神经网络模型初始权值和阈值随机性强、易陷入局部最优等局限,采用惯性权重动态调整的改进粒子群算法对BP网络的初始权值和阈值进行优化,建立了基于IPSO的BP神经网络坝基扬压力预测模型.通过算例验证算法的优越性及程序的准确性,并以某大坝多年扬压力监测数据进行工程实例应用,结果表明,IPSO-BP扬压力预测模型与传统BP模型相比,拟合相关系数大,统计误差小,预测精度更高.

引用

收藏

页码：20 / 24

页数：5

相关论文

共 12 条

[1] 混凝土重力坝扬压力监测资料分析方法 [J].

姜宇 ;

王祖强 ;

李玉起 ;

王志强 .

人民珠江, 2011, 32 (02) :47-50

[2] 基于改进粒子群算法的坝基扬压力预报方法 [J].

王伟 ;

沈振中 .

人民黄河, 2009, 31 (07) :121-123

[3] 基于动态改变惯性权值的粒子群算法 [J].

吴华丽 ;

吴进华 ;

汪秀莉 .

国外电子测量技术, 2008, (10) :6-8

[4] 基于遗传神经网络的渗流实时预报方法研究 [J].

闫滨 ;

周晶 .

岩土力学, 2006, 27(S1) (S1) :147-150

[5] 神经网络模型在坝基扬压力影响因子量化分析中的应用 [J].

周剑 ;

宋汉周 .

水文地质工程地质, 2005, (03) :38-41

[6] 大坝渗流监测遗传神经网络模型 [J].

王志旺 ;

吴盖化 ;

张漫 ;

张保军 .

水电能源科学, 2003, (04) :26-27+34

[7] 基于聚类分析预测大坝扬压力的新方法 [J].

贾彩虹 ;

顾冲时 .

河海大学学报(自然科学版), 2002, (03) :110-112

[8] 基于人工神经网络的大坝渗透系数分区反演分析 [J].

张乾飞 ;

王建 ;

吴中如 .

水电能源科学, 2001, (04) :4-7

[9] 基于模糊联想记忆神经网络的大坝安全监控系统建模研究 [J].

苏怀智 ;

吴中如 ;

温志萍 ;

顾冲时 .

武汉大学学报(工学版), 2001, (04) :21-24

[10]

大坝与坝基安全监控理论和方法及其应用[M]. 河海大学出版社 , 顾冲时, 2006