论文翻译：BP神经网络模型在大坝变形监测中研究分析.docVIP

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中，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 一 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。目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。由于复杂的影响因素，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来处理信息。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。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，每层的单元间没有相互连接。图1是一个典型的三层BP神经网络结构