论文部分内容阅读
大坝观测资料的分析是掌握大坝运行性态的重要手段,是判断大坝安危的科学依据。因此对大坝观测资料作出及时、合理、有效的分析是大坝安全监控的重要工作之一。 影响大坝安全的因素多且复杂。如何充分利用掌握的信息,客观准确地评价大坝的安全性态是大坝安全监控中急待解决的问题。本文针对传统数学模型应用中存在的缺陷,研究了改进的BP神经网络,对经典BP网络进行了充分的优化并应用于大坝安全监控工作中。主要研究内容如下: 1.对BP网络算法进行了研究。结合以往的研究成果,将数值优化方法中的L-M算法用于经典BP网络的改进中,提出了基于L-M原理的BP神经网络的解决方法,解决了经典BP网络易陷入局部最小的问题。 2.对神经网络结构进行优化。根据神经网络的特性及其运作方式,将日常广泛使用的黄金分割原理用于网络隐节点个数的确定中。该方法不仅克服了经验公式估算及大量试算的弊端,而且能使网络快速找到较优隐节点数。 3.研究了网络初始权值的自相关修正法。将初始权值的修正和网络各层神经元个数及传递函数紧密联系。该方法有别于传统网络初始权值的随机赋值,提高了网络的稳定性及收敛精度。 4.将上述各单项改进方法结合运用,提出了改进的BP神经网络。改进的BP神经网络是对经典BP神经网络的充分优化,有效克服了经典BP神经网络存在的一些缺陷。 5.利用改进的BP神经网络建立大坝多因素监控模型、三维位移模型、整体模型。整体模型充分考虑大坝的各类影响因素,相比于传统应用的单点模型和局部模型,更能全面而准确地反映大坝的形变现状和发展趋势。 6.在分析和总结大坝安全评判方法发展概况的基础上,提出了改进的BP神经网络评判法。同时考虑大坝的各种巡视检查信息,将其细分及符号化。结合大坝各种影响因素,运用改进的BP网络评判法,尽可能地发挥各类信息的积极作用,对大坝安全进行综合评判,并对评判结果进行分析和概括。