基于bp神经网络的混凝土坝安全监测统计模型研究

《基于bp神经网络的混凝土坝安全监测统计模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级ＵＤＣ庭列嫁义净硕：ｔ学位论文基于ＢＰ神经网络的纔凝止巧安全监测统计模型研究研究生姓名葦梦思指导教师姓名、职称王海军教授魏海副教授学科专业氷利水电工程研究方向氷工结构工程病变机理及健康诊断论文工作２０一起止日期１３年１０月２０１５年３月论文提交日期２０１５年４月学位论文使用授权书本论文作者完全了解学校关于保存、使用学位论文的管理办法及规定，即学校有权保留并向国家有关部口或机构送交论文的复印件和。电子版，允

2、许论文被查阅和借阅本人授权昆明理工大学可Ｗ将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国博±／优秀硕±学位论文全文数据库》进行信息服务，也可｜＾采用影印、缩印或扫描等复制手段保存或汇编本学位论文。注；保密学位论文，在解密后适用于本授权书。作者签名；ｆ如导师签名；＂ッ３ｌ＾年ｊ月＞日年ＪＴ月Ｗ日学院：电力工程学院学号；２０１２２０５００６专业；水利水电工程一）（式Ｈ份，交研究生院学位工作处附件Ｈ学位论文出版授权书我同意将本人学位论文著作权

3、中的数字化复制权、发行权、汇编权和信息网络传播权的专有使用权在全世界范围内授予中国学术期刊（光盘版）电子杂志社（下＂＂簡称杂志社），同意其在《中国优秀博硕±学位论文全文数据库》和ＣＮＫＩ系列。数据库中出版，未经杂志社书面许可，我不再授权他人Ｗ数字化形式出版本文我同意《中国优秀博硕±学位论文全文数据库出版章程》规定享受相关权益。如有任何第Ｈ方未经杂志狂许可使用本人论文，杂志社应追究其法律责任，诉谗的全部费用由杂志社承担。胜诉后，由杂志狂与本人按５；５的比例分配所获赔偿金。作者

4、签名：４磅强．‘７／〇化年ｒ月７１？曰学位论文作者信息论文题目基于ＢＰ神经网络的混凝王城安全监测统计模型研巧姓名董梦思学号２０１２２０５００６答辩日期２０１５年５月１９日论文级别博±口硕±誦院／系／所电力工程学院专业水利水电工程联系电话Ｅｊｎａｉｌ通信地址（邮编）：备注ｙ开□保密（＿年＿＿月至＿＿年＿＿月）（保密的学位论文在解密后应遵守此协议）－－联系电话：０１０６２７９１９５１６２７９３１７６６２７９０６９３传真：

5、０１０６２７９１８１４－４、通信地址：北京清华大学邮局８４８信箱采编中屯邮编：１０００８４一遵守学术行为规范承诺本人已熟知并愿意自觉遵守《昆明理工大学研究生学术规范实施细则（试行）》的所有内容，，，承诺所提交的毕业和学位论文是终稿不存在学术不端行为且论文的一致纸质版与电子版内容完全。二独创性声明本人声明所提交的论文是我个人在导师指导下进行的研究工作及取得的研巧成果，，。尽我所知除了文中特别加标注和致谢的地方外论文中不包含其他人己经发表或撰写过的研巧成果，也不包含为获得昆明

6、理工大学或其他教育机构的学位或证书一而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。摘要ｉｌ、建国Ｕ来，我国修建了众多的拦河大墳，这些工程在防洪发电和灌槪等方面发挥着重要的作用。然而，由于水工建筑物规模宏大、地形地质条件复杂、结构形式多样、运行条件多变、承受荷载较重、施工历时长、过程复杂、建成后运行管理不当、结构老化等原因，水利工程安全监测被逐渐重视。深入的研究大项与项基安全监测理论

7、与方法，不仅对监控大巧安全状况起到重要作用，使大巧安全运斤的前提下充分发挥工程效益，而且对发展蝴工理论，提高施工巧管理水平具有深远意义。目前，处理大巧变形监测数据的方法越来越多，传统的方法包括统计模型、确定模型和混合模型。新兴的方法有神经网络算法、小波分析等。近年来，粒子群模糊聚类算法、改进粒子群算法、混舍蛙跳算法、粒子群仿生算法、蚁群算法等也被引入到大项监测数据的处理中一，并取得了定的成果。这些方法都有各自的优缺点，统计模型给出变形与影响因子之间的函数关系，便于对变量进行解析计算，

8、定量分析大巧的变形规律，但模型的函数关系需要人为划定；ＢＰ神经网络模型，预报的精度和效果方面优于逐步回归统计模型，但是神经网络模型容易陷入局部极小、泛化能力差等。本文结合ＢＰ神经网络模型预测较精确的优点和统计模型的简洁实用的特点，提一出种新的大巧安全监测数据处理的方法，即基于ＢＰ神将网络模型的统计模型。该方法用ＢＰ神经网络的模型计算值与实测值之差作为统计模型的效应量值，从而求出大巧变形的差