BP神经网络模型在大坝变形监测中的研究.docx

BP神经网络模型在大坝变形监测中的研究.docx:..BP神经网络模型在大坝变形监测中的研究摘要在本文对大坝变形监测数据的分析屮,改进过的BP神经网络模型主要用来针对限制传统的统计模型的方法。本文主要介绍了BP神经网络模型的结构和算法以及样本数据的归化。泰和水库大坝模型的应用表明,BP神经网络模型的精度优于统计模型。关键词:大坝变形监测BP神经网络模型归化—引言为了准确地模拟和预报大坝安全监测,大坝原型观测上有效而实用的模型的建立是很重要的,尤其在大坝联合控制的安全运行和辅助决策的制定方面。H前在国内外有许多方法来模拟分析并预报大坝安全监测,例如统计模型、确定性模型和混合模型。由于复朵的影响因素,传统的数学原型观测不能完全描述大坝安全监测的非线性映射关系,并取得令人满意的结果。神经网络是由大量的简单计算处理单元(称为神经元)构成的,它们之间又通过复杂的大型非线性自适应系统进行连接。它是通过连续或间歇性输入状态反应來处理信息。有着高速和大规模并行处理,以及高维非线性动力学特征和高度容错性等特点,神经网络很适合处理非线性问题。这就是为什么它被越来越多广泛应用在许多专业领域。神经网络应用于大坝原型观测,克服了传统模式的局限性——基本观测线性和菲线性方法,探索了新的建模和预报方法。二BP神经网络模型输入层层输出层BP神经网络(反向传播神经网络),也叫逆向传播神经网络,是最广泛使用的一种神经网络。BP神经网络是一种典型的多层次网络,包括输入层,隐层和输出能,它通常通过全联通的方法进行连接,每层的单元间没有和互连接。图1是一个典型的三层BP神经网络结构图。神经网络的基木处理单元(除输入层单元)是非线性输入输出的关系,因此可以采用S型函数/00=匚丄,它的输出值在一个连续的图1:三层BP网络模型结构图X十C范围内。BP模型实现了学****多层网络的理念。当给网络一•个输入信号,它通过单位处理从输入层传输到隐层,然后传输到输出层。在输出层单冗被处理后,它产牛一个输出信号,这是一个循序渐进的更新过程,叫做预传播。如果输出响应和期望输出信号之间有一个偏差,则不能满足要求。为了传输层与层之间连接路径的偏差以及修改层Z间的连接权,然后传输反向传播的偏差。我们不断用…组给定的训练模式来逐…训练网络,然后重复预传播的过程,宜到所有的训练模式满足整个网络的需要。然后我们才认为BP神经网络己经学****完成并且满足需求。BP神经网络算法的流程在图2可以看到。图2:BP算法流程图三案例研究A•问题的说明需要泰和水库大坝施工建设吋期的渗流、应力、位移等参数,因此监测仪器必须设立在大坝、副坝、导流洞等其他主要建筑物上。基于导流洞钢筋计视准线观测,导流洞应力的变化和两个因素——温度和时间有着密切的联系。传统统计模型选择温度和时间作为可预报因子,并通过回归进行分析、计算。每个钢筋计的多元回归模型是:a=bQ+b}T. +/73T7+V,o+^5T30+^r/365+Z7<,/365O在这个公式屮,b是钢筋计的应力大小(兆帕),t是导流洞混凝土的浇筑吋间,7;是日平均气温,人是3天前的H平均气温,7;是7天前的日平均气温,rI()是10天前的日平均气温,人0是30天前的日平均气温,bO、bl、b2、b3、b4、b5、b6、b7是回归系数。多元线性回归只能是模拟