论文部分内容阅读
大坝在水力发电、防洪、调蓄水资源等方面都发挥着巨大的作用。为确保大坝的安全,在建设、运行管理等环节都需进行大坝变形监测。怎样及时准确的分析大坝变形监测资料从而建立监测模型,并在此基础上进行科学的预测非常重要。本文结合某土石坝沉降监测数据,综合径向基神经网络和云模型两种模型,在基于云模型的径向基神经网络改进模型算法的基础上进行改进,对土石坝变形进行预测。本文所做的主要工作和成果如下: 1、在简要介绍云模型的定义、基本特征值和云的“3En”规则的基础上重点介绍云发生器、云不确定性推理器、云变换以及虚拟云等云的相关理论。 2、简要介绍人工神经网络的定义,重点探讨径向基神经网络(RBF神经网络)的基本理论、径向基神经网络在MATLAB工具箱中的函数以及四种传统的径向基神经网络模型的具体算法。 3、在基于云模型的RBF神经网络改进模型的基础上给出云神经网络模型。这种模型在基于云模型的RBF神经网络改进模型算法预测结果精度低、预测残差大的基础上进行改进,对峰值法云变换后的样本数据进行云综合,利用正向云发生器获得样本输入值的隶属度,最后利用传统方法完成径向基神经网络的训练和预测。 4、应用某土石坝沉降监测资料,用MATLAB实现基于正交最小二乘算法的径向基神经网络模型和基于最近邻聚类算法的径向基神经网络模型两种模型的训练和预测,再考虑样本数据的模糊性和随机性,建立云神经网络模型,进行训练和预测。将得出的预测结果与两种常用的径向基神经网络模型的预测结果进行比对分析,结果表明云神经网络模型较两种传统算法有一定的优势;与基于云模型的RBF神经网络改进模型相比其预测精度有较大的提高。