基于人工神经网络的土石坝震损病害的预测研究.pdfVIP

第 O5期 (总第 348期) 吉 林 水 利 2011年o5月 [文章编号】1009-2846(2011)05-0008-05 基于人工神经网络的土石坝震损病害 的预测研究 孙启亮 ．罗珠莲 (1．四川大学水利水电学院，四川 成都 610065； 2．四川大学工程设计研究院，四川 成都 610065) [摘要]本文介绍了基于 I，-M (Levenberg—Marquardt)算法的BP神经网络模型，利用模型对土石坝进行损害预 测。选取 243座震损土石坝水库为研究对象，确定土石坝裂缝、渗漏、滑坡为本次预测的指标。同时采集243 座水库震损土石坝的裂缝、渗漏、滑坡等三大震损病害资料，通过专家意见划分其等级，作为实测值。经过神 经网络模型反复的信息正向传递和误差反向传递的学习训练．使预测值与实测值的误差尽可能的满足精度要 求。研究表 明BP神经网络可用于土石坝震损病害预测。 [关键词]人工神经网络 ；BP神经网络 ；Levenberg-Marquardt算法；震害预测 [中图分类号]Tv641 [文献标识码]B 1 概述 化技术的算法。非常适合于指数是均方误差的神经 网络训练。L_M算法实际上是梯度下降法和牛顿 人工神经网络是 2O世纪4O年代 出现的，发 法最优值 ，同时梯度趋于零 ，使得 目标函数下降 展过程 比较缓慢，但 自2O世纪8O年代 以来，越 越来越慢 ，而牛顿算法可以在最优值附近产生一 来越多学者投入到人工神经网络的研究中，并将 个理想的搜索方向。因此L—M法结合了梯度下降 其运用到实际中，解决问题的效果非常显著 ”【。 法和牛顿法后能够更快更准确地逼近一个最小误 目前 ，神经网络也被引入到土木工程领域 中_。如 差，运用这种方法 ，算法的每一部运行都会使 目 在预测大坝监测值、预测大坝变形的位置和主要 标函数 向最优 的方向发展 3]【。L—M算法的迭代公 走向、评价大坝结构的性态等方面均得到了应用 式 嗍： 网 。 人工神经网络方法与传统数学分析处理方法 W 1=wn-_(J1 n+J) 丁 相比，各有其独特的地方，但就预测和拟合方面 式中，I是单位阵， 是一个非负值。依赖于 而言，神经网络更具有明显的优越性，如对工程 的幅值，该方法光滑地在两种极端情况之间变 的物理性态的预测分析方面 。可以把握好效应量 化 ：即Guass—Newton法 ( 加))和标准梯度法 的发展趋势，能以任意精度逼近任意连续非线性 (当 o。))。该式可作为BP神经网络的学习训练 函数。 方法。 连接权值和偏差的变化量： 2 研究方法 Wn=一 JⅡ+ 并以此不断来调整训练网络，直至达到 目标 Levenberg-Marquardt(L—M)算法是由牛顿 要求。 法演变而来的，这种算法是一种具有标准数值优 [收稿 日期]2010-11—04 [作者筒介]孙启亮 (1983一)，男，吉林松原人，硕士研究生，研究方向：农田水利工程。 一 8 一 吉林水利 基于人工神经网络的土石坝震损病害的预测研究 孙启亮等 2011年05月