变形监测数学模型及灵活应用.pptVIP

人工神经网络模型 传统模型一般要求大子样的测值样本，而且测值的时空遍历性要较好，如果这些条件不满足，则所建监控模型的精度和可靠性一般都比较差。 由于因子之间的相关性的影响，各种影响因素的分离结果往往不很准确。 传统方法建立的监控模型由于不再考虑以后测值的发展趋势，其预报时段往往较短，从而不得不定期地重建监控模型。 变形监测数学模型及灵活应用 人工神经网络是一种用计算机模拟生物机制的方法，它不要求对事物机制有明确的了解，系统的输出取决于系统输入和输出之间的连接权，而这些连接权的数值则是通过训练样本的学习获得，这种方式对解决机理尚不十分明确的问题特别有效。 由于引起大坝变形等的因素十分复杂，再加上各工程的具体条件千差万别，许多理想条件下的理论模型很难应用于实际，确定性的模型需随着时间和地点的改变而不断修改模型的参数甚至模型的结构，因而失去了模型的普遍性。在这种情况下，以实测资料为基础的神经网络无疑是一种有效的途径。 变形监测数学模型及灵活应用 变形监测数学模型及灵活应用 BP算法存在的主要问题 收敛速度慢 在建立模型时，网络的训练往往需要很长的时间，这对建立大批量测点模型十分不利，收敛速度慢只在建立模型时表现得突出。 存在不少局部最小点 从数学上看，BP可看作非线性的梯度优化问题，因此，不可避免地存在局部极小问题，从而造成网络完全得不到训练。另外，初始随机加权的大小，对局部最小