摘要
龙滩水电站地下洞室群规模巨大,洞室纵横交错,设计中还无法全面准确地预计到施工与运行中洞室围岩的变形与稳定情况,对地下洞室群进行系统监控和变形趋势预测很有必要。根据监测数据建立学习样本,构建基于粒子群优化算法的BP神经网络智能化预测模型,并将其应用于龙滩水电站地下主厂房D监测断面多点位移计M4D-5监测数据的模拟与预测。仿真结果表明,该PSO-BP模型预测结果稳定且精度较高,误差百分比大多能控制在2%以内,预测效果较好,模型可行。
学科与关键词
关键词
岩石力学变形预测BP神经网络地下硐室龙滩水电站粒子群优化算法 rock mechanicsdeformation predictionBP neural networkunderground chambersLongtan hydropower stationparticle swarm optimization algorithm
- 基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究蔡舒凌; 李二兵; 陈亮; 高磊; 濮仕坤; 段建立; 谭跃虎岩石力学与工程学报, 2019, S2: 3346-3353.
- 基于IPSO-BP神经网络的坝基扬压力预测方法研究顾浩钦; 仲云飞; 程井; 邓同春; 李阳三峡大学学报(自然科学版), 2013, (02): 20-24.
- 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.
