BP网络在大坝变形空间多测点监测模型中的应用.pdf

工程安全监测技术2006 BP网络在大坝变形空间多测点监测模型中的应用李端有周元春(长江科学院水利部水工程安全与病害防治工程技术研究中心湖北省武汉市430010) 摘要本文利用BP网络的较强函数非线性映射能力,对大坝多个测点的变形监测数据进行了仿真及预测,所建立的空间多测点BP网络模型以水位、温度、时间、测点坐标作为输入参数,以大坝变形值作为网络输出。结果表明,通过有代表性的学****样本对网络的训练。模型的拟合及预报结果能够满足精度要求,同时,与传统的统计建模方法相比,大坝变形多测点BP网络模型具有模型实施容易、运行速度快、误差修正方便、操作简单、运行灵活等优点。关键词 BP网络大坝变形监测多测点模型近年来,国内一些专家和学者建立了能反映大坝各测点间位移联系的多测点变形监测模型,这种多测点模型中包含有荷载、时间及坐标变量,因此,它可以及时监测在任何时刻所对应荷载的位移场及其变化趋势,对于大坝的某些异常点能及早发现并查找原因,消除隐患。实践证明,多测点模型较单测点模型而言,具有更好的拟合效果与预报精度,且多测点模型可以反映大坝测点间变形的相互联系,比单测点模型合理。多测点模型为全面而准确地评价大坝安全提供了依据,但其因子数众多、计算工作量大、回归模型欠拟合等缺点也是一个不容回避的问题。为建立更高质量的多测点模型、降低建模的难度,拟将人工神经网络运用到多测点模型的建模工作中。 BP网络作为使用最为广泛的人工神经网络之一,具有较强的函数非线性映射能力, 经过训练可以找出输入输出参数之间潜在的映射关系。本文将利用BP网络建立大坝安全监测环境量与位移效应量之间的映射关系,以代替复杂的因子选取工作及耗时的回归计算工作。 1 大坝变形多测点BP网络模型的建立建立变形多测点模型,除需考虑时间(f)、水位(H)、温度(T)等因素外,还需考虑各测点的空间位置坐标(z,Y,z),模型表达式为 Y=,(H。T,t,j,y。z) 当采用逐步回归法建模时,各变形分量除含有单测点模型相应的因子群外,还有测点坐标,以及测点坐标与水位、温度的组合形式,因子数量众多(以二维多测点模型为例, ·208· 因子数达近百个),大大增加了建模工作量。为弥补上述工作的不足,本文将利用BP网络建立大坝变形多测点模型,网络模型如图1所示。具体实现步骤如下: (1)网络输入输出变量的选择。鉴于BP网络的较强非线性映射能力,在选取网络的输入变量时, 可选取理论上对变形有影响作用的因子(如监测时间、与监测时间对应的水位与温度、测点的各维坐标值),而无需将因子的不同组合作为网络的输入变量。网络输出变量为大坝变形值。将各输入输出变量的实测值作为网络的训练样本。水位温度神时问经大坝变形值铡点z向坐橱络模型测点Y向坐橱测点z向坐标输入输出图1 大坝变形多测点神经网络模型(2)样本数据的预处理。由于大坝变形影响因子的多维性与复杂性,网络的输入样本属于不同的量纲,它们的取值量级相差较大,对网络的识别精度会造成影响,因此需对网络的各输入数据进行归一化处理,处理方法可采用标准化法、重新标定法、变换法和比例压缩法等。(3)BP网络的设计及计算。网络的设计内容包括网络拓扑结构的设计及网络主要参数的确定。网络拓扑结构的设计是指对网络隐层数、隐层神经元节点数、神经元节点转移函数的选择,网络主要参数有动量项系数、学****率、学****次数等网络