分享到:

遗传算法与神经网络在大坝安全监测预报中的应用

大坝安全监测资料中的位移序列、渗流序列、裂缝开度序列等,这些序列因受众多因素制约,在时序上常常表现出复杂非线性特征,随着大坝安全监测预报越来越趋向自动化,而在以往的预报模型中常常表现出模型拟合精度较高而预测精度偏低,不能满足大坝安全监测自动化的需要。根据大坝监测数据在时序上变化特征,应用了神经网络和基于遗传算法的时间序列的非线性预测模型。在大坝安全监测预报中,针对BP算法收敛速度慢且存在局部极小值问题,提出了基于扰动的加速神经网络模型;针对门限自回归模型在实际应用过程中拟合精度往往要好于预测效果或预测效果不理想,对门限自回归模型作了改进;提出了使用自相关系数图来确定双线性模型的自回归项,应用了基于遗传算法的一套建模方法;结合门限自回归模型和双线性模型的优点,提出了门限双线性模型,并与神经网络可变权组合预测模型进行了比较,门限双线性模型的内在思想组合要比组合预测模型外在结果组合更优秀;通过实例表明这些改进是有效的;这些模型在大坝安  (本文共56页) 本文目录 | 阅读全文>>

河北农业大学
河北农业大学

遗传算法与神经网络在土石坝安全监测资料分析中的应用研究

就我国水库大坝工程监测及自动化管理的现状而言,土石坝工程是一个薄弱环节,不少大坝在带病运行,工程隐患较多,因此及时准确地对土石坝安全监测资料进行分析并建立监测模型,以识别土石坝的运行状况,监控其安全,是十分必要的。而遗传算法、神经网络等人工智能技术的成熟及迅猛发展为上石坝安全监测资料分析提供了新的理论和技术上的支持,依赖于遗传算法基于“优胜劣汰”机制的全局概率搜索特性及神经网络强大的非线性映射能力,本文做了以下主要工作:首先,应用分层遗传算法对土石坝变形监测中的漏测沉降进行优化计算,并将漏测沉降作为沉降曲线回归模型中的回归因子,克服了常规方法对实际沉降过程描述差而造成漏测沉降计算误差较大的缺点,研究结果表明计算出的漏测沉降更接近于事实。另外,在土石坝测压管滞后时间难以确定问题上,根据库水位与测压管水位扣除滞后时间后基本满足线性关系原理,提出了基于遗传算法思想的滞后时间优化计算方法,其中库水位与测压管水位过程线的拟合由径向基函数神...  (本文共61页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

大坝安全监控及评价的智能神经网络模型研究

本文在分析现有的大坝安全监控模型和安全评价方法的基础上,针对其中的BP神经网络模型收敛速度慢、易陷入局部极小、结果受初值影响大、稳定性差等缺陷,将BP神经网络与一些新颖的智能算法融合,构建了一系列的智能神经网络模型,并将其应用于大坝安全监控预报和安全评价中。本文的主要研究工作如下:针对BP神经网络收敛缓慢的缺陷,以L-M算法代替梯度下降法训练神经网络,建立了基于L-M算法的大坝安全监控整体LM模型和逐一LM模型。实例研究表明,整体LM模型和逐一LM模型的预测效果及训练速度均显著优于快速BP模型,逐一LM模型的预测精度及泛化能力均优于整体LM模型。为缩短预报周期,建立了基于径向基函数神经网络的大坝安全监控预报模型。实例研究表明,径向基函数神经网络模型具有良好的泛化能力,在预测精度及训练速度方面显著优于快速BP模型。针对BP神经网络计算结果受初值影响大、稳定性差、收敛速度慢、易陷入局部极小等缺陷,将遗传算法与基于L-M训练算法的BP...  (本文共155页) 本文目录 | 阅读全文>>

长安大学
长安大学

遗传算法与神经网络在大坝安全监测中的应用研究

随着我国经济持续稳定的高速发展,以开发水能资源和解决水问题而兴建的水利水电工程将越来越多。大坝安全监测是大坝安全管理工作的耳目,是降低工程风险、减少事故、揭示大坝实际工作性态的重要手段。对大坝原型监测资料的分析,是判断大坝安危的科学依据。因此对大坝监测资料做出及时、合理、有效的分析是大坝安全监控的重要工作之一。小浪底水利枢纽是治理开发黄河的关键性工程,属国家“八五”重点项目,自蓄水运行以来,已发挥了巨大的社会和经济效益。为确保大坝安全运行,加强安全监测工作并进行原型监测资料分析十分重要。人工神经网络和遗传算法在大坝安全监测领域各有其独特的优势,通过优势互补,本文建立了一种基于遗传算法和神经网络相结合的GA—LMBP网络的大坝安全监测预报模型,在Matlab 7.1的平台上进行了编程实现。小浪底大坝是一座特大型的土石坝,相对于混凝土大坝而言,由于建造材料和建造方式的不同,土石坝的变形量较大,变形情况较为复杂,以往选用的灰色系统模型...  (本文共66页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

大坝安全监测与损伤识别的新型计算智能方法

随着经济的高速发展,我国兴建了大批的重大土木工程项目,这些重大工程项目的使用期较长,影响力较大,一旦失事,会造成严重的生命财产损失。因此为了保障结构的安全性、完整性、适用性和耐久性,已经建成的许多重大工程结构和基础设施急需采用有效的手段检测和评定其安全状况、修复和控制损伤。许多新建的大型结构和基础设施,如大坝、桥梁、海洋平台等,增设了长期的安全/健康监测系统,以监测结构的服役安全状况,并为研究结构服役期间的损伤演化规律提供有效的、直接的方法。监测系统中数据采集与传感的一个基本假设是这些系统不是直接测量结构异常,而是测量系统在它的运作或环境载荷下的响应,或者是对嵌入传感系统中作动器输入的响应。传感器的读数或多或少的与结构异常的存在及其位置相关。数据处理程序对于结构健康监测系统来说是必须的,它们将传感器采集到的数据转化为结构状况的信息。计算智能是大坝等结构安全监测建立预报模型和进行反演分析的有力工具,已经取得了一些成果,但仍存在一些...  (本文共185页) 本文目录 | 阅读全文>>

桂林理工大学
桂林理工大学

神经网络优化模型在大坝变形预报中的应用研究

大坝大多建造在水文、工程地质条件复杂环境中,且承受着巨大荷载的建筑物。对其进行实时监测,利用大量的变形实测资料,分析评估大坝安全状态,并做出合理预报是确保大坝安全的重要手段。同时,由于大坝受诸多类似水压力、扬压力、温度、时效以及许多不确定性因素的影响,且这些因素通常具有很强的随机性,相互间关系复杂,使得建立在各次观测相互独立、观测误差期望为零的条件下的传统数学模型无法用确切的定量关系式来描述这些因素与大坝位移量之间的关系。尤其当观测资料较少或含有较大观测噪声误差时,传统的变形分析模型具有一定局限性。因此研究融合多门学科知识与技术方法,建立合适的组合变形分析与预报模型成为分析大坝变形趋势与变形规律的重要课题。本文正是从该角度出发,引入神经网络理论、遗传算法、粒子群算法及改进的粒子群算法,研究融合了这些智能算法的神经网络优化模型的可行性,结合具体的大坝工程,对神经网络优化模型进行应用和比较。本文主要研究内容如下:1)研究了神经网络、...  (本文共67页) 本文目录 | 阅读全文>>