基于BP神经网络多测点监测模型在大坝安全监测中应用.docVIP

基于BP神经网络多测点监测模型在大坝安全监测中应用 　　摘要：建立了基于BP神经网络的多测点监测模型，为了验证该监测模型的有效性和精确性，通过具体的工程计算实例，将该模型的计算结果与统计回归单测点监测模型、BP神经网络单测点监测模型的计算结果比较。对比分析表明：对于TP8测值，统计回归模型平均误差为3.8%，BP神经网络单测点监测模型平均误差为9.4%，而BP神经网络的多测点监测模型平均误差仅为1.6%。因为BP神经网络的多测点监测模型考虑了各种效应量之间的相关性，预测结果比另外两种模型预测结果好，在大坝监测预测预报中具有一定的应用价值。 　　关键词：BP神经网络；安全监测；多测点监测模型；数据分析 　　中图分类号：TV551.2文献标志码：A文章编号： 　　1672-1683（2015）001-0216-04 　　Multi-pointsmonitor model on BP neural network in the application of dam safety monitoring 　　ZHANG Guo-zhi1，2，CHEN Jian-kang1，2，ZHANG Yi-ran1，2，YANG Zhi-yong1，2，PAN Wang1，2 　　（1.School of Water Resources and Hydropower，Sichuan University，Chengdu 610065，China； 　　2.State Key Laboratory of Hydraulics and Mountain River Engineering，Sichuan University，Chengdu 610065，China） 　　Abstract：This paper established a multi-pointsmonitor model on BP neural network for analysis of dam monitoring data，and contrast it with the traditional single-point regression model and single-point Model on BP neural network in a project.The results showed that the multi-pointmonitor model on BP neural network takes into account the correlation of various effects and the predicted results are better than the traditional single-point regression model and single-point model on BP neural network.So it has great value in the dam monitoring and prediction. 　　Key words：BP neural network；safety monitoring；multi-point monitor；data anaysis 　　大坝监测的原始数据中包含了反映坝体结构安全性的丰富信息，数据分析可以从原始数据中提取出其包含的信息，为大坝的建设和运行管理提供有价值的科学依据[1]。目前常用大坝监测数据分析方法有回归分析、神经网络分析、时间序列分析、小波分析法、灰色理论法等。邹利[2]系统地阐述了自回归及多元回归在大坝变形监测中的应用，潘洁晨[3]将改进的BP神经网络模型应用于土石坝变形监测值的预报，并且利用Matlab平台将其实现，得到了很好的拟合效果，栾志玲[4]将时间序列分析预测方法应用到水库大坝安全预测上，高平[5]提出将小波网络用于大坝变形监测建模与预报，取得了很高的精度。魏迎奇[6]探讨用灰色等维预测模型动态预测非稳态沉降变形过程的方法，提出灰色等维动态预测模型的维数尺度和标准，使得GM（1，1）沉降预测方法能够较好地反映大坝变形的主要影响。 　　目前大坝监测数据的分析仍然处在“一点一模型”的单测点监测分析阶段，监测系统中普遍存在的噪点和异常数据仍需专家凭经验和认知进行筛选，分析效率低[7]。采用传统的单测点统计回归模型来分析大坝监测数据，忽略了监测量之间互相影响、共同发展的特性。本文建立了BP神经网络的多测点监测模型，利用BP神经网络的反馈调节特性考虑了各测点之间的关系对大坝监测数据进行分析，提高了分析效率。 　　1BP神经网络多测点监测模型 　　1.1基本原理 　　人工神经网络（ArtificialNeu