基于PCA-RBF神经网络的混凝土坝位移趋势性预测模型PCA-RBF neural network-based prediction model fordisplacement trend of concrete dam
陈斯煜,戴波,林潮宁,曹文翰
摘要(Abstract)：
为了提高混凝土坝位移趋势的预测精度,提出了一种基于主成分分析(PCA)和径向基(RBF)神经网络的混凝土坝位移趋势性预测模型(PCA-RBF)。首先,利用主成分分析,将混凝土坝多测点的径向位移监测数据降维,消除影响分量数据集的多重相关性,分别提取出主元位移和主元影响分量。然后,把主元位移和主元影响分量输入径向基神经网络并构建模型,对提取出的主元位移进行预测。最后,将本法应用于某混凝土坝,结果表明,PCA-RBF模型的均方根误差(RMSE),平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为2.037 8 mm,1.698 6 mm和3.32%,显著低于传统的多元回归统计模型、径向基神经网络模型(RBF)和利用经主成分分析进行因子处理的BP神经网络模型(PCA-BP),说明PCA-RBF模型有着良好的预测精度。
关键词(KeyWords)： 主成分分析;径向基神经网络;混凝土坝;位移预测模型;大坝安全监测
基金项目(Foundation):
作者(Author): 陈斯煜,戴波,林潮宁,曹文翰
DOI: 10.13928/j.cnki.wrahe.2018.04.007
参考文献(References)：
- [1]杨杰,吴中如,顾冲时.大坝变形监测的BP网络模型与预报研究[J].西安理工大学学报,2001,17(1):25-29.
- [2]张晓春,徐晖,邓念武,等.径向基函数神经网络在大坝安全监测数据处理中的应用[J].武汉大学学报(工学版),2003,36(2):33-36.
- [3]李鹏鹏,苏怀智,郭芝韵,等.基于人工蜂群算法与Elman神经网络的大坝变形监控模型[J].水利水电技术,2017,48(3):104-108.
- [4]YU H,WU Z R,BAO T F,et al.Multivariate analysis in dam monitoring data with PCA[J].Science China(Technological sciences),2010,53(4):1088-1097.
- [5]KIM Y S,KIM B T.Prediction of relative crest settlement of concrete-faced rockfill dams analyzed using an artificial neural network model[J].Computers and geotechnics,2008,35(3):313-322.
- [6]张秀丽,杨艳泽.水工设计手册(第11卷,水工安全监测)[M].北京:中国水利水电出版社,2013.
- [7]韩明.应用多元统计分析[M].上海:同济大学出版社,2013.
- [8]杨杰,占君,张继传,等.MATLAB神经网络30例[M].北京:电子工业出版社,2014.
- [9]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.
- [10]张伟,游艇,李双艳,等.主成分-BP组合模型在坝顶位移监控中的应用[J].人民黄河,2012,34(2):115-117.