逐一混合遗传算法在大坝变形预报中应用.pdfVIP

第47卷第3 期 Vol. 47 .No. 3 大连理工大学学报 2007 年 5 月 JournaI of Da Iian University of Technology May 2 0 0 7 文章编号: 1000-8608(2007)03-0398-05 逐一混合遗传算法在大坝变形预报中应用 晶叫 滇1·2 ，用 闰 ( 1.大连理工大学土木水利学院，辽宁大连 116024; 2. 沈阳农业大学水利学院，辽宁沈阳 110161 ) 摘要:建立了大坝变形预报的逐一混合遗传模型，并将其与整体遗传模型、逐一 Levenberg-Marquardt (LM) 模型、整体 LM 模型进行了比较.工程实例牵挂明，在建模样本相 同，预扳回-f相闷，且结构参数不变的条件下，逐一混合遗传模型和接休遗传模型的预报精度 分别离子逐一LM 模型和男主体 LM模裂.11 预报结果稳定;逐一混合遗传模裂和遂-LM 模型 的预报精度分别商子接体遗传模型和裳休 LM 模~;随着样本的积累，逐一混合遗传模裂的 预报精度不断提高，并具有实时性的优点，可以准确、有效地应用于大坝变形监测i量的实时 预报. 关键词:遗传算法; BP 网络;大坝变形监测;实时预报 中固分类号: TV698.1 文献标识码:A 日 昔 些研究[1-5J 表明，BP 网络具有较高的预测精度， 。引 但由于 BP 网络的固有缺点(结构不惟一、收放速 在大坝监测中，娃常需要从巳有的监测数据 度慢、易陷入局部极小)，极大地限制了它在实时 中提取信息并对大坝未来的变化趋势进行预测. 预报和大量样本情况下的应用.为此，一些学者 目前，国内外大坝安1:监测中主要采用统计模型、 提出来用 Levenberg-Marq uard t 算法(简称 LM) 确定性模型和槐合模型来进行安全评价和预 修正 BP 网络的连接权，实践证明、该算法在快速 报[IJ 这些模型的预报精度较大程度上取决于建 训综网络方面功能强大，比普遍采用的梯度下降 棋因子的选择是否恰当;另一方面，回归方程本身 法快将近 500 倍[町，因而可以大大提高学习效率. 也只是确定的线性和非钱性因子的组合，由于影 但是该方法仍然无法解决 BP 问结训锦结果不惟 响监测量的因素众多，且相互间关系复杂，应用一 …的缺陷. 个精确的数学模型很难得到…个满意的回归效 而遗传算法[1-8J (genetic algorithm ，简称 果;且时效变形的影响因素较多，寻找合理的时效 GA) 是一种不依赖具体问题的直接才搜索方法，它 因子困难相对较大.为了解决这些