改进的模糊神经网络模型在大坝弹性参数反演中的应用.pdfVIP

《河南水利与南水北调》2o13年 第 14期 改进的模糊神经网络模型 在大坝弹性参数反演中的应用 口宋承礼(西平县水利局机井管理所) 口吴国权(南水北调中线建管局河南直管建管局) 摘 要：通过对经典 BP网络算法的改进，引入迭代步长优化的自适应规则，有效地避免了迭代解的振荡问题，提高了收敛速度。工 程实例应用表明，基于模糊神经网络模型反演参数的方法具有精度高、收敛快等优点。 关键词：大坝；弹性模量；模糊神经网络；反演 0引言 模糊系统的输入和输出(语言)变量。文章采用带有乘积推理机、 运行多年的大坝，由于施工、老化、徐变等复杂原因，设计时 单值模糊器、中心平均解模糊器的模糊系统，该模糊系统为万能 采用的坝体混凝土和基础岩体的材料参数与实际值往往相差很 逼近器，即能以任意精度逼近任意的非线性系统。 大，利用大坝运行的观测资料反演这些参数对于运行单位预报、 隶属函数的适当选择对于模糊系统的好坏有决定性的作 监测 以及进行大坝安全的合理正确评价具有重要意义。 用。文章采用人们对一件事物的常用评价集：“非常好、很好、好、 神经网络(NeuralNetwork)具有很好的学习能力和准确拟合 一 般 、差、很差、非常差”，对每一个输入变量兢采用 7个高斯型 非线性函数的能力，并且有并行分布式存储和处理信息、容错性 函数作为隶属函数。 强等特点。模糊系统(FuzzySystem)的显著特点是能够直接地表 本文采用的模糊神经网络为5层网络，此网络的算法步骤 示逻辑，适于直接的或高级的知识表达，具有较强的逻辑能力。 如下 ： 将模糊系统和神经网络相结合 ，可有效发挥各 自的优势并弥补 Step1：将样本适当地分成训练样本和测试样本，训练样本 其不足，提高整个系统的表达能力和学习能力。将模糊信息技术 用来学习训练网络，测试样本用来评价模型的性能。 引入神经网络，大大拓宽了神经网络处理的范围和能力，使其处 Step2：取第 i组训练样本 ：，，2)，计算各层的输入和 理模糊信息和不精确信息成为可能；同时，使模糊规则的自动提 输出。 取及隶属函数的自动生成也得以实现，使模糊系统成为一种 自 Step3：采用误差反向传播学习算法 (BP算法)，对权重及隶 适应模糊系统。 属函数参数进行修正，所用的性能指标函数为E= o一‘)+ 文章尝试将传统的模糊神经网络模型进行改进 ，用网络 自 二 二 动优化迭代步长代替以往的凭经验选定，实现了模型的快速、稳 (一2)。网络权重(参数)参考下式修正： 定收敛的性能。并将此模型应用到工程实际当中，成功解决了大 +1)： )一． +aaW~) (2) 坝参数反演问题。 ， 分别表示网络的两个输出。上式中的7为迭代步长， 1优化步长模糊神经网络算法 在经典的迭代算法BP算法中，迭代步长都是由经验或试算选 采用Sugeno模糊推理模型： i Z 定。但若 ，7太小，收敛速度会很缓慢，若 太大，又有可能引起 R ：ifx1isA1and 2isA2and…and is，A ，thenYisb(1) 迭代解的剧烈振荡。文章引入以下的自适应规则来进行迭代步 R：．：1，是第z条模糊if-then规则，A：是Ui[R上的模糊 长的优化，取得了非常满意的结果：在每一次网络参数迭代更新 集合，b是VcR上的实数值，= 2，…an)∈u和 ，，∈V分别是 后，以改变量 来调整当前的 ： 河南水利与南水北调》2o13年 第 14期 △Lf叼’ 0 (3)2．2大坝弹性参数