广义回归神经网络在大坝安全监测数据分析中的应用

目前我国在建和已建成数量众多的大坝和水库,并且坝高和水库的规模有不断扩大的趋势,因此大坝和其他拦水建筑物的安全性尤显重要。 人工神经网络由于其具有强大的自我学习修正误差的能力和能够在理论上逼近任何非线性系统的特点,在大坝安全监测领域内得到了广泛的应用。 本文介绍了回归分析方法、大坝变形观测量的统计模型和人工神经网络的基本概念,并进一步介绍了径向基函数网络模型。该网络模型的输入到输出层的映射是非线性的,而网络的输出对可调参数而言是线性的,而输入矢量是直接映射到隐层的,一旦确定径向基函数的网络中心后这种映射关系就确定了,选用递归正交最小二乘算法可以快速确定网络训练中心和简化径向基网络训练结构。广义回归网络是径向基函数网络的一种重要变型,运用正则化理论确定网络隐层中心,用维数小于输入样本数目的格林函数实现函数逼近,达到简化网络结构和提高训练速度的目的。本文用广义回归网络模型建立大坝安全监测的径向基网络模型。和BP网络相比,广义回归网络避免了BP算法冗长计算过程和陷入局部极小值的可能,且具有更好的拟合精度和预报精度。实例分析证明,广义回归网络模型可以应用于实际的大坝安全监测数据处理工作中去并可以取得更优的分析结果。