偏最小二乘法与神经网络耦合的大坝监测模型.pdf

《偏最小二乘法与神经网络耦合的大坝监测模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第3期人民黄河Vo1．35．No．32013年3月YELLOWRIVERMar．．2013【水利水电工程】偏最小二乘法与神经网络耦合的大坝监测模型吕蓓蓓，杨远斐，(1．河海大学水利水电学院，江苏南京210098；2．河海大学水资源高效利用与工程安全国家工程研究中心，江苏南京210098)摘要：针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题，提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型，提高了神经网络的学习速率和稳定性首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理，解决了变量之间的多重相关问题，而后把降维的数据输

2、入神经网络进行训练。对比实例应用结果表明，偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络。关键词：大坝变形监测模型；偏最小二乘法；人工神经网络中图分类号：TV698．2文献标志码：Adoi：10．3969／j．issn．1000—1379．2013．03．028DamMonitoringModelBasedonCouplingofPartialLeastSquareRegressionandArtificialNeuralNetworkLYUBei—bei一．YANGYuan—fei，(1．CollegeofWaterConservancyand

3、HydropowerEngineering，HohaiUniversity，Nanjing210098，China；2．WaterResourcesUtilizationandEngineeringSafetyNationalEngineeringResearchCenter，HohaiUniversity，Naming210098，China)Abstract：Becauseofthebadconvergenceandpoorstabilityofartificialneuralnetwork，anewmodelbasedoncouplingofpartial

4、leastsquarere—gressionandartificialneuralnetworkwasintroducedtosolvethemonitoringofdamindetail．First，thepartialleastsquareregressionwasusedtofindthemostimportantcomponentsWithstronginterpretationcapacityfordependentvariablesandsatisfactorydepictionforindependentvariables．Then，theextr

5、actedoutputswereregardedastheinputoftheartificialneuralnetwork．Applicationresultsshowthatthelearningeficiencyandin—spectionaccuracyofthenetworkareimproved．Keywords：dammonitoringmodel；partialleastsquareregression；artificialnetlratnetwork水库坝体在静水压力、扬压力、泥沙等的作用下受力情况以及l，被／Z解释后的残余信息进行第二轮成分提

6、取。如此往非常复杂，为了保证大坝的安全运行，进行大坝安全监测、获得复，直到达到较满意的精度为止⋯。大坝的健康状态显得尤为重要。近年来，随着计算机技术的发展，不断有新的数学方法被应用于大坝安全监测中，如统汁回2人工神经网络模型归理论、神经网络理论、灰度理论、模糊理论等。笔者针对人工神经网络特有的非线性适应性信息处理能力，克服了传统神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定人工智能方法对于直觉(如模式、语音识别、非结构化信息处理性差等问题，采用偏最小二乘法与人工神经网络耦合的方法，方面)的缺陷。使用神经网络的主要优点是能够自适应样本数构建了大坝监测模型。据

7、，当数据中有噪声时能够正常工作，很容易继承现有的领域知识，使用灵活，能够处理来自多个资源和决策系统的数据。1偏最小二乘回归模型典型的BP网络模型通常由输入层、隐含层和输出层构成。偏最小二乘法是一种多元统计数据分析方法，其将回归建BP算法的基本原理是梯度最速下降法，其中心思想是调整权模(多元线性回归)、数据结构简化(主成分分析)以及两组变值使网络总误差最小。网络学习过程是一种误差边向后传量之间的相关性分析(典型相关分析)有机地结合起来。设有播、边修正权系数的过程。上层节点输出传送到下层时，通过q个因变量Y={Y一，Y}和P个自变量={。，⋯，，，观测收稿日期：20

8、1卜12-0l的样本数为