摘要
采用标准神经网络(BP)构建的大坝安全监控预报模型难以满足工程精度要求。利用滤波理论(Unscented Kalman filter,UKF),引入自适应因子,并对神经网络进行赋权训练,提出了一种自适应非线性训练神经网络的混凝土坝安全监控模型。计算实例表明,该模型计算结果相对误差较小,满足工程精度要求,提高了神经网络的学习质量、收敛效率和泛化能力,减小了神经网络学习中的陷入局限极小值的可能性。该模型可推广应用于面板堆石坝、高边坡等结构安全监控分析中。
学科与关键词
关键词
神经网络UKF滤波混凝土坝安全监控模型 BP neural networkUKF filterconcrete damsafety monitoringmodel
- 基于逐步回归-BP神经网络的大坝变形监测模型戚丹; 包腾飞; 康业渊; 柴丽莎水电能源科学, 2013, (08): 109.
- ABC-BP模型在混凝土双曲拱坝变形监控中的应用陈晨; 邵晨飞; 魏玮; 江潜成; 李经纬; 杨孟水电能源科学, 2013, (08): 112.
- 考虑混凝土坝位移动力突变盲点的安全监控模型黎良辉; 魏博文; 徐镇凯人民长江, 2013, (13): 58-62.
