共查询到17条相似文献,搜索用时 203 毫秒
1.
2.
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)4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。 相似文献
3.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献
4.
为减少济宁矿区开采过程存在的安全隐患,拟对济宁矿区沉降进行精细化变形监测,并建立预测模型。鉴于传统的BP神经网络算法存在的局部最优点、收敛困难、反演精度难以确定的问题,模型采用DEBP算法,结合DE算法和BP神经网络算法的优势,在收敛速度、精度以及稳定性方面都有提高。对比发现:基于DEBP的GPS高程拟合的预测模型,在济宁矿区沉降监测应用中能够有效提高监测精度,高达厘米级;结合灰度模型进行矿区沉降预测,通过监测结果可知,模型预测值与实测值一致性较好,表明该模型可用于矿区沉降预测,对于保护矿区具有重要的使用价值。 相似文献
5.
大坝安全诊断的混沌优化神经网络模型 总被引:2,自引:0,他引:2
为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位移观测数据全局动力特性,兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中,由多个度量指标组成量化评价体系,对模型预测性能进行综合评价,结果表明,所建模型比传统BP神经网络和ARMA模型具有更高的预测精度。 相似文献
6.
应用自适应算法对BP网络进行改进,可以提高BP网络的收敛速度和全局寻优性能。在此基础上,利用多种测井数据及岩心描述资料作为网络模型的学习样本,以测井解释渗透率的神经网络模型为例,通过网络的学习、训练,建立测井解释神经网络模型。并应用此模型,定量计算出多口井的渗透率值,与常规渗透率计算结果相比,BP的解释结果及精度均令人满意,同时还取得了良好的实际应用效果。 相似文献
7.
针对遗传算法(GA)存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法(SA),组成改进的遗传模拟退火算法(GSA)提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。 相似文献
8.
基于目前灰色理论模型在变形监测中的应用,分析了PGM(1,1)模型中的参数及其求解的方法.引入人工鱼群算法求解背景值和初始值的修正项,通过人工鱼群算法求解得到模型的最优组合值.结合大坝变形监测工程实例进行计算分析,结果表明利用人工鱼群算法(AF)求解得到的PGM(1,1)模型的背景值参数与初始值修正项对大坝变形监测的预测具有较好的效果. 相似文献
9.
BP神经网络在基坑变形预测分析中的应用 总被引:2,自引:0,他引:2
本文提出了基坑变形预测与分析的BP神经网络方法,建立了基坑变形预测分析的模型,应用MATLAB语言编制计算程序进行计算并与实际工程监测值进行比较,从而验证了神经网络在基坑变形预测分析中的可行性、有效性。 相似文献
10.
神经网络在岩体力学参数和地应力场反演中的应用 总被引:20,自引:7,他引:13
BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。 相似文献
11.
12.
基于BP神经网络的滑坡监测多源异构数据融合算法研究 总被引:1,自引:1,他引:0
针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明:反向传播(Back-Propagation,BP)神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差(RMSE)达到0.4787 mm,从而有效提高了变形预测结果的精度。 相似文献
13.
用神经网络模型预测济宁市地下水水位变化规律 总被引:5,自引:1,他引:4
本文通过应用人工神经网络模型中的BP网络模型,对济宁市地下水水位变化规律了预测,并与线顺归模型的计算结果进行比较,证明BP网络模型的精度较高。 相似文献
14.
15.
针对利用多目标地球化学数据研究第四纪沉积物类型问题,提出了基于概率神经网络的分类识别模型,并给出地球化学特征指标选取、指标归一化、神经网络设置和训练的具体方法、步骤。在吉林省中西部松嫩平原应用表明,该方法识别出8类不同成因的第四纪沉积物,较好地解决了该区第四纪沉积物成因归属问题。概率神经网络模型对第四纪沉积物类型的识别能力远高于常规多元统计方法,且结构简单、训练快捷。 相似文献
16.
滑坡变形监测与预测是滑坡预警预报中一种非常重要的途径。文章首先简单介绍了神经网络的基本原理和学习算法,然后利用某水库滑坡24期的GPS地表位移监测数据及其诱发因素即水库水位、降雨等资料,采用BP神经网络模型对该水库滑坡变形进行建模,最后将6期水库水位、降雨等资料输入模型进行滑坡变形预测,结果表明预测结果与实测数据符合性好,总体上能较好反映变形趋势。 相似文献