2021年改进的BP神经网络模型在大坝安全监测预报中的应用.doc

改善BP神经网络模型在大坝安全监测预报中应用
吴云芳，李珍照
（武汉大学 水利水电学院，湖北 武汉430072）
    摘  要：针对BP神经网络模型存在缺点进行了改善，并将改善BP模型应用于大坝安全监测中效应量预报。示例证实，改善BP神经网络模型和常规BP神经网络模型及回归统计模型比较含有显著优越性。
    关键词：大坝；安全监测；改善BP神经网络；常规BP神经网络；水平位移；数学模型
1序言
  现在，依据大坝安全监测中效应量已经有测值预报以后效应量测值，通常采取数学模型关键有统计模型、确定性模型、混合模型三种，但有时会出现回归失败、缺乏必需参数、模型预报精度不高等现象，从而不能满足工程要求。这时能够考虑使用神经网络模型。
    人工神经网络(Artificial Neural Network)自20世纪80年代以来，吸引了大批研究人员对其 理论模型、学****算法、开发工具、实际应用和和其它机器学****方法结合方面进行广泛深入探索，范围包含人工智能、认知科学、行为科学、物理学、心理学、神 经科学、图像处理、语言学、控制论等广泛领域。现在神经网络已经实际应用到模式识别、教授系统、机器学****等很多方面，表现出含有自组织性、自适应性、联 想能力、模糊推理能力和自学****能力等优势。BP神经网络是现在较为成熟而且应用最广泛神经网络模型之一。
    在大坝安全监测预报中，已出现BP模型应用论文［１］。本文利用改善BP神经网络模型对某大坝水平位移进行分析和预报，结果表明，和常规BP模型及回归统计模型预报结果相比，展现显著优越性。
2大坝BP神经网络预报模型

  大坝BP神经网络结构图1所表示。
    图1大坝BP神经网络预报模型结构图1中所表示网络结构有三层：第一层为输入层，有s1个神经元；第二层为隐层，有s2个神经元；第三层为输出层，有1个神经元。网络结构中含有r个输入矢量，即为和效应量估计相关因子数；有一个输出矢量，即为效应量。网络中不一样层有不一样神经元数目，每个神经元全部带有一个输入为常数1偏差值。ｆ１、ｆ２、ｆ３为神经元激活函数，这里均取为Sigmoid函数：
    在多层网络中，每一层输出全部是下一层输入，所以能够将输入层看作是输入为r个相关因子，输出为A1；隐层看作是输入为A1，输出为A2；输出层看作是输入为A2，输出为效应量。其中A1、A2、A3可用下式表示：
 
    BP算法关键思 想是：对于给定学****样本，使网络输入等于样本输入，然后用网络实际输出和学****样本输出之间误差来修改权值，使网络输出和样本输出尽可能接 近，即：使网络输出层误差平方和达成最小。它是经过连续不停地在相对于误差函数斜率下降方向上计算网络权值和偏差改变而逐步迫近目标。每一次权值 和偏差改变全部和网络误差影响成正比，并以反向传输方法传输到每一层。BP算法具体步骤见文件［２］。

    即使BP神经网络得到广泛应用，但也存在部分不足，关键表现在：

    对于部分复杂问题，BP算法可能需要进行很数次训练才能收敛，占用较长机时。这关键是因为学****速率太小所造成。

    因为学****速率决定每一 次循环