Matlab仿真大坝位移BP神经网络模型研究.pdf

Matlab仿真大坝位移BP神经网络模型研究.pdf

ID:54597681

大小:133.10 KB

页数:2页

时间:2020-05-03

Matlab仿真大坝位移BP神经网络模型研究.pdf_第1页
Matlab仿真大坝位移BP神经网络模型研究.pdf_第2页
资源描述:

《Matlab仿真大坝位移BP神经网络模型研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、2014年第2期东北水利水电水生态环境【文章编号]1O02—0624(2014)O2一o053—02Madab仿真大坝位移BP神经网络模型研究张效(辽宁省水利厅,辽宁沈阳110000)[摘要]文章基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝变形实测数据,建立了三种不同改进BP算法的多层前馈神经网络模型。分析其拟合、预报结果,选择更为合适的网络模型,实现对大坝位移实时、有效的监控。[关键词]大坝位移;BP神经网络;改进优化;预报[中图分类号]TV698[文献标识码]BMATLAB语言是美国TheMathWorks公司

2、开层反传。周而复始的信息正向传播和误差反向传发的用于算法开发、数据可视化、数据分析以及数播,使各层权值不断调整,一直进行到网络输出的值计算的高级语言和交互式环境,除具备卓越的误差减少到可以接受的程度,或者预先设定的学数值计算能力外,它还提供了专业的符号计算、可习次数为止。视化建模仿真和实时控制等功能,广泛应用于包2标准BP算法的改进优化括信号图像处理、控制系统设计、建模分析等众多尽管BP网络可以实现任意精度的非线性映应用领域【1】。应用Matlab7.1软件包的神经网络工射功能,适合求解内部机制复杂的非线性问题,而具箱,构建BP神经网络模型,实现对大坝变形的且具有自

3、学习能力,但是,标准BP算法也存在很人工神经网络仿真。多的问题[21,如学习效率较低,收敛速度慢;容易陷1BP神经网络原理入局部极小,而导致训练失败;网络结构尚无统一BP神经网络是基于误差反向传播(ErrorBack而完整的理论指导,只能根据经验选定;网络的预PrOragation)算法的多层前馈神经网络,具有良好测能力与训练能力的矛盾,可能出现“过拟合”现的非线性映射能力,以及泛化和容错能力,是目前象等。人工神经网络应用最为广泛的一种网络。针对存在的缺陷,标准BP算法也在不断地改误差反向传播算法,由信息的正向传播和误进和优化。例如:权值调整增加动量项、自适应调差的

4、反向传播两个过程组成。输入层各神经元负节学习率、增加陡度因子、贝叶斯Bayesian归一化责接收来输入信息,并传递给隐层各神经元;隐层法等。此外,一些数理统计、仿生等优化方法,如遗是内部信息处理层,负责信息变换;隐层传递到输传算法、蚁群算法、粒子群算法等也不断被引入和出层各神经元的信息,经进一步处理后,完成一次应用。学习的正向传播处理过程,由输出层向外界输出3BP网络模型设计信息处理结果。当实际输出与期望输出不符时,进3.1数学模型入误差的反向传播阶段。误差通过输出层,按误差在水压力、扬压力、温度等荷载作用下,坝体梯度下降的方式修正各层权值,向隐层、输入层逐将产生位

5、移。一般情况下,大坝位移数学模型分为·53·水生态环境东北水利水电2014年第2期三个分量【3】。通过坝工工程力学推导,水压位移分关系[4]。利用节点删除法反复建模测试,通过多组量分别与坝前水深H的一次幂、二次幂、三次幂呈不同隐层节点数模型的误差对比,寻找出拟合效线性关系。温度位移是由于坝体和坝基温度变化果好,没有显著“过拟合”现象的合理隐层节点数。引起的大坝位移,以坝体、坝基温度作为变量因4BP网络拟合预报效果子,也可以采用库区日常平均气温作为等效因子。通过网络训练和仿真计算,坝顶位移拟合和时效位移主要指坝体混凝土和坝基岩石的徐变、预报成果,见表1。塑性变形,基岩

6、地质构造的压缩变形,以及坝体裂表1坝】页水平位移BP网络模型成果特征值对比缝等多种因素引起的不可逆变形,文中时效位移拟合特征值(2o01.2__2咖.5)预报特征值(2007.7__2008.12)选择对数函数和线性函数两种。项目GDX算法LM算法BR算法GDx算法LM算法BR算法由此,建立混凝土重力坝变形的单测点全模复相关系数R0.9906O.卯680.98100,97980.97620.9450型,坝体变形为剩余标准差rm0.20280.33900.29o2035120-加100.5458),=:%+日+++Z5+乜6∞D+嘶1_60+残差平方和7.360020

7、.575515.07223.82364.98539.2348o~T61—90+cE91nO+1)+01(1)残差最大蚰O.581.170.700.430.461.23残差最小Ⅱm一0.47一g89—031—0.63—0.80—0.72式中,n0。为回归系数;为坝前水深;,、隐层神经元666一∞,一∞,一勋分别为下标天内的库区日常平均训练次数1945412气温;t为时间数,以天/100为单位,以观测首日为基准点。’5结论3.2训练样本根据三种BP神经网络仿真成果可以看出:文章选取辽宁省白石水库19号坝段的坝顶1)基于三种算法的BP网络模型拟合效果均能水平位移作为建

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。