基于PSONN的大坝监控实时预报模型
本文将粒子群算法(PSO)引入大坝监测领域,提出一种基于粒子群神经网络(PSONN)的大坝监控预报模型.该模型充分发挥PSO的全局寻优能力和BP神经网络局部细致搜索优势,给BP神经网络提供了良好的初始权值.对逐一粒子群(SPSONN)、整体粒子群(WPSONN)、逐一BP(SBPNN)及整体BP(WBPNN)四种预报模型的对比分析表明:逐一预报模型(SPSONN和SBPNN)的预报精度明显高于对应的整体预报模型(WPSONN和WBPNN)的预报精度;与BP神经网络模型相比,PSONN模型不仅收敛速度明显加快,而且预报精度也有较大的提高,尤其是SPSONN模型,其高精度和短历时性完全满足实时预报的需要,可以准确、有效地应用于大坝监测量的实时预报.
粒子群算法 BP神经网络 大坝监控 实时预报
闫滨 高真伟
沈阳农业大学水利学院,辽宁,沈阳,110161;大连理工大学土木水利学院,辽宁,大连,116024 辽宁省水利厅,辽宁,沈阳,110003
国内会议
昆明
中文
953-955
2006-11-03（万方平台首次上网日期，不代表论文的发表时间）