三峡大学学报(自然科学版)

2016, v.38;No.150(03) 1-5

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于MIV-改进RBF神经网络的大坝变形监测模型
Deformation Monitoring Model of Dam Based on MIV-Improved RBF Neural Network

宁昕扬;刘晓青;

摘要(Abstract):

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.

关键词(KeyWords): MIV算法;变量筛选;改进RBF神经网络;大坝变形监测模型

Abstract:

Keywords:

基金项目(Foundation): 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)

作者(Author): 宁昕扬;刘晓青;

Email:

DOI:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享