自组织竞争神经网络在堤坝渗漏研究中的应用.pdf

第30卷第8期 人民 黄河 V01．30．N(·．8 2008年8月 YEU．0WRIVER Aug．．2()08 【防洪·治河】 自组织竞争神经网络在堤坝渗漏研究中的应用 陈建生，赵正信，陈 亮 (河海大学岩土工程科学研究所，江苏南京210098) 摘要：运用基于Matlab的自组织竞争神经网络，选取北江大堤15个水样的稳定同位素和水化学值作为指标特征值，进 行了水样的聚类分析。结果表明：T12孔和T9孔北5m处涌水、江水和T9孔北排水沟出水在稳定同位素和水化学成分 方面属于同一类水，应为同一补给源；连通试验证实了基岩中存在T19一T10一，四一管涌区集中渗漏的通道。 关键词：连通试验；水化学；稳定同位素；自组织竞争神经网络；渗漏；北江大堤 中图分类号：TV871．2文献标识码：A 文章编号：1000一1379(2008)08—0021_02 不同时期人渗的地下水中的同位素存在明显的差异。例 应的神经元是竞争中的获胜者，其输出固定为lHl。 如，夏季与冬季降水中的6D和∥O就明显不同，人们可以根据 1．3网络的建立 这些差异了解地下水在岩层中的渗漏性质。反之，了解岩层的 函数／lewc可用来建立一个竞争学习网络。函数调用形式为 天然性质及地下水成分，可推断地下水在该岩层是否流动…。 net=newc(PR，S，KLR，CLR)(1) 在小范围的研究区域内，具有大致相同的稳定同位素和水化学 式中：PR为R维输入向量中每个元素可取的最小值和最大值 值的水样可能是同一补给来源；另一方面，地下水化学成分从 所构成的矩阵；S为神经元个数，也是类别个数；KLR表示Ko— 一个侧面反映了地下水的径流条件。同时，地下水化学成分与 所处的区域岩性、水文地质构造的开启程度等有关。 省值为0．00】o 对稳定同位素和水化学分析，前人做了大量的工作旧J。笔 函数／／zl／)C生成的竞争学习网络训练后才能使用。竞争学 者以北江大堤为例，通过分析泉或孔中水样的同位素和水化学 习网络依据Kohonen学习规则和阈值学习规则进行训练。，在 特征，尝试运用基于Matlab的自组织竞争神经网络对泉水或孔竞争学习网络的每一步学习中，权值矢量与当前输入矢量最为 中的水样进行聚类。 接近的神经元将在竞争中取胜，网络依据Kohonen学习规则对 这个神经元的权值进行调整。修改后的获胜神经元权值矢量 自组织竞争神经网络模型 更接近于当前的输入。经过这样的调整后，当下一次网络输人 类似的矢量时，这一神经元就极有可能在竞争中取胜；若输入 1．1基本理论 的矢量与该神经元的权值矢量相差很大时，则该神经元就极有 有学者认为，脑皮层是通过临近神经细胞的相互竞争学 可能在竞争中落败。随着训练的进行，网络中的每一个神经元 习，自适应地发展成对不同性质信号敏感的区域。根据这些现 将代表一类近似的矢量。当接受某类矢量输入时，对应类别的 象，芬兰学者Kohonen提出了自组织特征映射(SelfOrganizing 神经元将在竞争中获胜，从而网络就具有了分类功能…。 Feature Map)。自组织特征映射过程是通过竞争学习完成的。 竞争学习是指同一层神经元之间相互竞争、竞争胜利的神经元 2 实例应用 修改与其相连结的权值的过程。竞争学习是一种无监督学习， 学习过程中，只需向网络提供一些学习样