基于小波优化神经网络在大坝变形预测的应用
针对传统BP神经网络大坝变形预测模型存在网络收敛速度慢、陷入局部极值点、泛化能力差的不足,结合了小波的时频局部分析能力与神经网络的自学习、自组织的特点构建了基于小波神经网络的大坝变形预测模型；选取广州市李溪拦河坝4沉降实测值为研究对象,将2016年1月至2019年6月共557组数据作为模型训练集建立模型；2019年7月至2019年10月95组数据作为模型验证集,用于评判模型性能.通过小波神经网络与BP神经网络测试集预测结果表明：基于BP神经网络变形预测模型均方误差为0.138、确定性系数为0.748；基于小波神经网络变形预测模型均方误差为0.025、确定性系数为0.927,小波神经网络在大坝变形预测中具有收敛速度快、预测精度高和泛化能力强等特点.
大坝变形 小波分析 神经网络 变形预测
罗朝林 陈武奋 张波 梁啟斌
珠江水利委员会珠江水利科学研究院,广东 广州 510610
国内会议
北京
中文
294-300
2022-04-11（万方平台首次上网日期，不代表论文的发表时间）