基于改进的BP神经网络算法的大坝蓄水期实时预报模型

摘要：

蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,本文在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.

关键词： 大坝 安全监测 蓄水期 BP神经网络 遗忘因子

作者: 夏天倚 刘天祥 钟黎雨 陶亮

作者单位: 河海大学水文水资源与水利工程科学国家重点实验室,江苏南京;河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京210098;河海大学水利水电学院,江苏南京210098

会议类型: 国内会议

会议名称: 全国大坝安全监测技术信息网2014年全国大坝安全监测技术与应用学术交流会

会议地点: 山西大同

会议语种:中文

页码: 96-103

在线出版日期: 2014-10-01（万方平台首次上网日期，不代表论文的发表时间）