建立安全監(jiān)測網(wǎng)絡(luò)模型來分析和預測大壩變形位移信息,對保障大壩安全穩(wěn)定服役意義重大。針對大壩安全監(jiān)測BP神經(jīng)網(wǎng)絡(luò)模型運算復雜、收斂速度慢、易陷于局部最優(yōu)、不能準確反映和預測大壩運行狀況的問題,引入蟻群算法(ACO)全局搜索功能搜尋BP神經(jīng)網(wǎng)絡(luò)參數(shù)最優(yōu)解,并通過樣本數(shù)據(jù)訓練BP網(wǎng)絡(luò)獲得大壩變形位移預測值。工程實例應用表明:ACO-BP網(wǎng)絡(luò)模型在參數(shù)優(yōu)化方面較BP網(wǎng)絡(luò)更易于收斂,誤差較小、預測性能良好,可為大壩變形位移監(jiān)測和安全預報提供一種新的非線性建模仿真分析方法。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

BP神經(jīng)網(wǎng)絡(luò)模型一般由輸入層、隱含層和輸出層3部分組成。文中采用3層BP網(wǎng)絡(luò)結(jié)構(gòu)，隱含層采用函數(shù)Tansig，輸出層采用函數(shù)Purelin，通過網(wǎng)絡(luò)自動學習耦合輸入和輸出樣本數(shù)據(jù)間的任意非線性關(guān)系[9-10],BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。2.2土石壩位移影響因子

圖2基于蟻群算法改進的ACO-BP網(wǎng)絡(luò)模型

利用蟻群算法(ACO)全局尋優(yōu)能力為BP提供σ(σ≥1)較優(yōu)的初始權(quán)值組合，來克服BP算法對初值設(shè)置較敏感、易陷入局部最優(yōu)的缺點;再利用BP算法梯度下降的原理進一步“細調(diào)”權(quán)值，尋找網(wǎng)絡(luò)真正的全局最優(yōu)點，來克服由于對定義域進行分割帶來的量化誤差及單一蟻群算法訓練網(wǎng)絡(luò)耗時過長的不足....

圖3ACO-BP網(wǎng)絡(luò)模型邏輯判斷流程

將蟻群算法(ACO)引入到BP神經(jīng)網(wǎng)絡(luò)模型對網(wǎng)絡(luò)連接參數(shù)進行優(yōu)化，其邏輯判斷流程見圖3。采用ACO-BP方法訓練神經(jīng)網(wǎng)絡(luò)的步驟為:ACO-BP神經(jīng)網(wǎng)絡(luò)通過初始化、神經(jīng)網(wǎng)絡(luò)參數(shù)選定、信息素調(diào)節(jié)等步驟的不斷重復，使所有路徑收斂為一條路徑，通過計算網(wǎng)絡(luò)輸出誤差值和實際輸出誤差值對比，找....

圖4土石壩變形位移監(jiān)測測點布置圖(單位:m)

(2)隱含層節(jié)點數(shù)的確定。運用MATLAB軟件，訓練次數(shù)為50000，在[k-2,k+2]區(qū)間找出最佳隱含層節(jié)點數(shù)，對每個節(jié)點數(shù)分別測試5次后，算出平均次數(shù)。其中，測點D7-2不同神經(jīng)元個數(shù)實測數(shù)據(jù)的網(wǎng)絡(luò)預測誤差見圖5，訓練次數(shù)見表2。圖5D7-2測點不同隱含層節(jié)點數(shù)豎向位移....

本文編號：3906686