大坝变形监测的BP网络模型与预报研究.pdfVIP

西安理工大学学报Journal of Xi’an University of Technology(2001)Vo1．1 7 No．1 25 文章编号：1006—4710(2001)01—0025—05 大坝变形监测的BP网络模型与预报研究 杨 杰 ，吴中如 ，顾冲时 (1．西安理工大学水利水电学院，陕西西安 710048；2．河海大学水电学院，江苏南京 210024) 摘要：建立有效实用的大坝安全监测模型，对于馈控大坝运行意义重大。针对目前国内外常 用统计模型、确定性模型等的不足，提出将基于误差逆传播算法的BP神经网络模型用于大 坝变形监测数据的拟合分析及其预测预报研究，最后以福建水口混凝土重力坝变形监测为 例，对坝顶垂直位移实测值建立了BP网络模型，并将模型用于坝顶垂直位移预报，结果表 明，BP网络模型的拟合和预报精度明显优于相应的统计模型。 关键词：大坝变形监测；拟合与预报模型；人工神经网络；BP算法 中图分类号：TV698．1 文献标识码：A Dam Deformation Monitoring Model and Forecast Based on BP Al gorithm of Artificial Neural Networks YANG Jie ～，WU Zhong—ru ，GU Chong—shi (1．Xi’an University of Technology。Xi’an 710048．China；2．Hohai University，Nanjing 210024，China) Abstract：With an aim at the shortage of statistic models and determinative models used in dam safety monitoring both home and abroad，the BP neural networks model based on error back propagation algorithm is suggested to use in research on the fitting analysis and prediction and monitoring of dam deformation．With the deformation monitoring of Shuikou concrete gravity dam in Fujian province as an example，BP networks model is established for the real measurement of vertical displacement of the dam crest，which can also be used in forecasting the vertical displacement of dam crest．The outcome shows that the accuracy of BP networks model is obviously superior to that of statistic mode1． Key words：dam deformation monitoring；simulation and forecast model；artificial neural net— works；error back propagation algorithm 目前，国内外大坝安全监测中主要采用统计模型、确定性模型和混合模型来进行安全评价分析和 预测预报uJ。这些数学模型均在一定程度上含有统计特性，它们或者建立在观测误差的数学期望全为 零、各次观测互相独立以及观测误差呈正态分布的假定前提下，或者建立在对大坝物理力学性质的一 定假设基础之上，因此其模型精度在较大程度上取决于建模因子的选择是否恰当；此外，由于时效的 影响因素复杂，存在很大的不确定性。因此，用上述模型进行监测数据的拟合一般精度不是很高。 2O世纪8O年代中期，人工神经网络(Artificial Neural Networks，简称ANN)模拟和解决