齐银峰,谭荣建

• 1:昆明理工大学国土资源工程学院

摘要(Abstract)：

BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。

关键词(KeyWords)： 大坝变形;BP神经网络;改进的粒子群算法;IPSO-BP模型;PSO-BP网络模型;大坝安全监测;大坝安全预警

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 齐银峰,谭荣建

DOI: 10.13928/j.cnki.wrahe.2017.02.020

参考文献(References)：

• [1]吴中如.水工建筑物安全监控理论及其应用[M].北京:高等教育出版社,2003.
• [2]王德厚.大坝安全监测与监控[M].北京:中国水利水电出版社,2004.
• [3]钟登华,刘昊元,佟大威,等.基于ANFIS-GM的心墙堆石坝变形预测[J].水利水电技术,2015,46(3):1-6,16.
• [4]高平,薛桂玉.基于小波网络的大坝变形监测模型与预报[J].水利学报,2003,34(7):107-110.
• [5]闫滨.大坝安全监控及评价的智能神经网络模型研究[D].大连:大连理工大学,2007.
• [6]戴波,陈波.基于混沌的大坝监测序列小波RBF神经网络预测模型[J].水利水电技术,2016,47(2):80-85.
• [7]沈崇刚.中国大坝建设研究现状及发展[J].中国电力,1999,32(12):12-19.
• [8]李珍照.大坝安全监测[M].北京:中国电力出版社,1997.
• [9]李富强.大坝安全监测数据分析方法研究[D].杭州:浙江大学,2012.
• [10]颜七笙,游泳,杨志辉.BP网络结构设计与算法探讨[J].科技广场,2005(3):36-38.
• [11]程向军.神经网络原理及其应用[M].北京:国防工业出版社,1995.
• [12]涂娟娟.PSO优化神经网络算法的研究及其应用[D].南京:江苏大学,2013.
• [13]胡纪元,文鸿雁,周吕,等.基于IPSO-BP模型的大坝多源监测数据预报与反演[J].大地测量与地球动力学,2014,34(4):67-70.
• [14]徐以山,曾碧,尹秀文,等.基于改进粒子群算法的BP神经网络及其应用[J].计算机工程与应用,2009,45(35):233-235.
• [15]张丹,韩胜菊,李建,等.基于改进粒子群算法的BP算法的研究[J].计算机仿真,2011,28(2):147-150.
• [16]姜成科.基于遗传算法的神经网络在大坝变形预报中的应用[D].大连:大连理工大学,2009.
• [17]杨超.改进的粒子群优化BP神经网络在大坝变形预测中的应用[D].南昌:东华理工大学,2016.