节点文献

基于MIV-改进RBF神经网络的大坝变形监测模型

免费订阅

【作者】 宁昕扬刘晓青

【Author】 Ning Xinyang;Liu Xiaoqing;College of Water Conservancy & Hydropower Engineering,Hohai Univ.;

【机构】 河海大学水利水电学院

【摘要】 针对常规径向基函数(RBF)神经网络模型无法选择显著预报因子和易陷入局部最优解的问题,建立一种融合平均影响值(MIV)、改进果蝇算法(FOA)和RBF神经网络的大坝变形监测模型.通过引入MIV对水压、温度、时效三类预报因子进行筛选,并利用改进FOA算法获得RBF神经网络模型中最佳的spread值,以提高模型的稳定性和预报精度.为验证模型的有效性,以某混凝土重力坝位移监测数据为例,分别建立多元线性回归模型、常规RBF模型、MIV-RBF模型和MIV-改进RBF模型.研究结果表明MIV-改进RBF神经网络大坝变形监测模型预测稳定、精度高,预报效果好.

【基金】 国家自然科学基金(51279050);土石坝长效安全运行重大关键技术研究(201501033)
【所属期刊栏目】 土木水电论坛 (2016年03期)
  • 【DOI】10.13393/j.cnki.issn.1672-948X.2016.03.001
  • 【分类号】TV698.11
  • 【被引频次】8
  • 【下载频次】182
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: