基于bp神经网络的土坝渗流场反演研究报告

基于bp神经网络的土坝渗流场反演研究报告

ID:28255603

大小:338.50 KB

页数:11页

时间:2018-12-08

基于bp神经网络的土坝渗流场反演研究报告_第1页
基于bp神经网络的土坝渗流场反演研究报告_第2页
基于bp神经网络的土坝渗流场反演研究报告_第3页
基于bp神经网络的土坝渗流场反演研究报告_第4页
基于bp神经网络的土坝渗流场反演研究报告_第5页
资源描述:

《基于bp神经网络的土坝渗流场反演研究报告》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、.基于BP神经网络的土坝渗流场反演研究任喜平,钟声(西安理工大学,陕西西安,710048)摘要:土坝坝体、坝基土壤或岩体、两岸土体或岩体的渗透系数则是分析土坝渗流场的一个重要参数。它关系到人们是否能够真正了解大坝的实际安全状况。本文将现场监测和反演分析结合起来反演渗透系数,对于材料比较复杂的地基尤为如此,地基渗透系数牵扯到地基沉降、渗漏、滑体等众多安全因素。从该角度出发,针对监测资料中的测压管水头与渗透系数之间的非线性关系,引入BP神经网络法、遗传算法,用于反演土石坝渗透系数,对比参照实际设计渗透系数。关

2、键词:BP神经网络法;遗传算法;渗透系数;非线性中图分类号:文献标识码:文章编号:InfiltratestheflowfieldinversionresearchbasedontheBPneuralnetwork'searthstonedamRenXi-ping,Zhongsheng(Xi’anUniversityofTechnology,Xi’an,Shaanxi710048,China)Abstract:Theearthdam,thebaseofdamsoileithertherockmass,bot

3、hbankssoilbodyortherockmasspenetrationcoefficientisanalyzestheearthdamtoinfiltratetheflowfieldakeyparameter.Itrelatesthepeoplewhethercanunderstandthedamtrulytheactualsafecondition.Thisarticlefromthereforemonitorandtheinversionanalysisonthespotunifiesthein

4、versionpenetrationcoefficient.Thisarticlefromthisangleembarking,inviewofbetweenmonitoringdata'sinmeasuringtubefloodpeakandpenetrationcoefficient'smisalignmentrelations,introducestheBPnervenetworkmethod,thegeneticalgorithm,usesintheinversionearthstonedampe

5、netrationcoefficient,thecontrastreferenceactualdesignpenetrationcoefficient.Keywords:BPneuralnetwork;Geneticalgorithm;Penetrationcoefficient;Misalignment1引言人工神经网络的发展,经历了一个曲折艰难的过程。早在1943年,心理学家WarrenMcCulloch和数理逻辑学家WalterPitts从信息处理的角度出发,采用数理逻辑的方法,对生物神经细胞的动作

6、进行研究,提出了形式神经元的模型,称为MP模型。通过MP模型提出了神经元的形式化数学描述和网络结构方法,证明了单个神经元能执行逻辑功能,从而开创了人工神经网络研究的新纪元。1949年心理学家DonaldHebb明确提出了突触联系强度可变假设,认为突触联系强度是随前后神经元的活动而变化,从而说明了神经元连接强度是可以修正的,为神经网络的产生奠定了基础。随后,感知器(Perception)、自适应线形神经元(AdaptiveLinearNeuron)等网络与运行规则相继被提出,早期主要应用子模式识别、天气预报

7、和自适应控制。然而,简单的感知器只能局限于处理线形问题,加之当时VonNeumann数字计算机和人工智能正处于发展的黄金时期,暂时掩盖了发展新型计算机和人工智能新途径的必要性和迫切性,使人工收稿日期:作者简介:任喜平(1984-),男(汉族),会宁人,西安理工大学研究生,硕士,主要研究方向为水工结构、水工建筑物应力仿真分析及监测控制。Email:renxiping08@163.com.-..神经网络处于低潮期。直到1982年,美国加州工学院物理学家JohnHopfied提出了Hopfied神经网络模型,引

8、入了“能量模型”概念,给出了网络稳定的依据,并成功解决了著名的“旅行商问题”,成为了人工神经网络走向成熟的里程碑。1974年P.Werbos在其博士论文中提出了第一个适合多层网络的学习算法,但该算法并未受到足够的重视和广泛的应用,直到20世纪80年代中期,美国加利福尼亚的Rumelhart、Mcclelland和他的同事们成立了一个PDP(paralleldistributedprocession)小组,研究并行分布式信息处理

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。