本文關(guān)鍵詞：基于卡爾曼濾波的GA-BP模型在大壩變形預(yù)測中的應(yīng)用

  更多相關(guān)文章： 神經(jīng)網(wǎng)絡(luò) 遺傳算法 卡爾曼濾波 大壩變形預(yù)測

【摘要】：傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)擁有良好的逼近非線性映射能力,然而由于其自身存在收斂速度慢,容易陷入局部極小值和泛化能力差的不足,往往難以滿足實際中預(yù)測精度的需要。采用卡爾曼濾波方法,將觀測到的大壩位移原始值進行濾波處理,以盡可能剔除隨機誤差的干擾,并引入遺傳算法,對神經(jīng)網(wǎng)絡(luò)的權(quán)、閾值進行優(yōu)化,提高其全局搜索能力,建立了基于卡爾曼濾波的GA-BP模型。以某大壩位移預(yù)測為例,證明了此模型比傳統(tǒng)的BP模型在預(yù)測精度上有所提高,具有一定的實際應(yīng)用價值。
【作者單位】： 河海大學(xué)水文水資源與水利工程科學(xué)國家重點實驗室;河海大學(xué)水利水電學(xué)院;
【關(guān)鍵詞】： 神經(jīng)網(wǎng)絡(luò) 遺傳算法 卡爾曼濾波 大壩變形預(yù)測
【基金】：江蘇省自然科學(xué)基金(BK20131372)
【分類號】：TV698.11
【正文快照】： 0引言大壩變形預(yù)測對于建立完整的大壩安全監(jiān)測體系,保證大壩運行安全意義重大。長期以來,諸如統(tǒng)計模型、確定性模型和混合模型等經(jīng)典數(shù)學(xué)模型廣泛應(yīng)用于壩體變形監(jiān)測[1]。以統(tǒng)計模型為代表的傳統(tǒng)方法雖然在部分程度上能正確反映大壩變形與其影響因子之間的相關(guān)關(guān)系,但考慮到，

本文編號：1036303