论文部分内容阅读
为提高海堤安全监控能力,从渗压实测数据以及潮位因子和降雨因子入手,使用影响因子的合理形式,利用径向基函数（RBF）神经网络建立渗压监测模型,推导微分进化微粒群优化算法（DPSO）速度和位移进化的数值计算方程,以此确定渗压RBF神经网络模型的聚类中心,并由此对渗压进行拟合和预测。以120组实测样本对模型进行训练拟合,并对后期60组渗压进行预测,得到拟合段平均相对误差为0.83%,相应预测段为1.71%。实际应用表明,经微分进化微粒群算法优化后,渗压RBF神经网络模型可以有效反映及预测渗压变化。