建立安全監(jiān)測網(wǎng)絡(luò)模型來分析和預(yù)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(yùn)算復(fù)雜、收斂速度慢、易陷于局部最優(yōu)、不能準(zhǔn)確反映和預(yù)測大壩運(yùn)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(xùn)練BP網(wǎng)絡(luò)獲得大壩變形位移預(yù)測值。工程實(shí)例應(yīng)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(yù)測性能良好,可為大壩變形位移監(jiān)測和安全預(yù)報(bào)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(dòng)學(xué)習(xí)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(jìn)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(diǎn);再利用BP算法梯度下降的原理進(jìn)一步“細(xì)調(diào)”權(quán)值，尋找網(wǎng)絡(luò)真正的全局最優(yōu)點(diǎn)，來克服由于對定義域進(jìn)行分割帶來的量化誤差及單一蟻群算法訓(xùn)練網(wǎng)絡(luò)耗時(shí)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(jìn)行優(yōu)化，其邏輯判斷流程見圖3。采用ACO-BP方法訓(xùn)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(fù)，使所有路徑收斂為一條路徑，通過計(jì)算網(wǎng)絡(luò)輸出誤差值和實(shí)際輸出誤差值對比，找....

圖4土石壩變形位移監(jiān)測測點(diǎn)布置圖(單位:m)

(2)隱含層節(jié)點(diǎn)數(shù)的確定。運(yùn)用MATLAB軟件，訓(xùn)練次數(shù)為50000，在[k-2,k+2]區(qū)間找出最佳隱含層節(jié)點(diǎn)數(shù)，對每個(gè)節(jié)點(diǎn)數(shù)分別測試5次后，算出平均次數(shù)。其中，測點(diǎn)D7-2不同神經(jīng)元個(gè)數(shù)實(shí)測數(shù)據(jù)的網(wǎng)絡(luò)預(yù)測誤差見圖5，訓(xùn)練次數(shù)見表2。圖5D7-2測點(diǎn)不同隱含層節(jié)點(diǎn)數(shù)豎向位移....

本文編號：3906686