10.3969/j.issn.1000-1379.2017.08.019
基于LMBP神经网络的土石坝渗流压力预测
渗流压力是反映大坝工作状态的重要物理量,对渗流压力进行预测分析可以及时了解大坝渗流状况和趋势.为克服标准BP算法收敛速度慢、泛化能力弱和计算量大等不足,引入LM算法优化标准BP神经网络的权值和阈值,提高BP神经网络对土石坝渗流压力的预测效果.根据渗流分析,给出了渗流压力的统计模型,由统计模型选取上下游水位、降雨和时效作为神经网络输入层因子,以渗流压力作为输出层因子,建立了3层LMBP神经网络大坝渗流压力预测模型.利用MATLAB进行了多组仿真试验,确定了使本次渗流压力预测效果更好的训练样本数据量区间.以渗流压力实测数据及同期库水位和降雨资料作为训练样本,在选取适当数据量的训练样本的基础上,运用LM算法对BP网络进行训练,利用测试样本对训练好的神经网络进行测试.将同结构的LMBP神经网络和标准BP神经网络应用于某土石坝渗流压力的预测中,应用结果表明,LMBP神经网络收敛速度更快、拟合和预测精度更高,在土石坝渗流压力分析和预测应用方面是可行的.
土石坝、渗流压力、LMBP神经网络、预测精度
39
TV698.1(水利枢纽、水工建筑物)
水利部公益性行业科研专项201501033;国家重点研发计划项目2016YFC0401600;江苏省水利科技项目2015010;广西水利厅科技项目201614
2017-08-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
90-94,148