基于LMBP和SVR的倾倒变形体变形预测.pdfVIP

第49卷第1期河海大学学报(自然科学版)Vol.49No.1

2021年1月JournalofHohaiUniversity(NaturalSciences)Jan.2021

DOI:10.3876/j.issn.10001980.2021.01.010

基于LM鄄BP和SVR的倾倒变形体变形预测

1,21,21,234

徐卫亚,徐摇伟,闫摇龙,陈鸿杰,黄德凡

(1.河海大学岩土工程科学研究所,江苏南京摇210098;

2.河海大学岩土力学与堤坝工程教育部重点实验室,江苏南京摇210098;

3.华能澜沧江水电股份有限公司,云南昆明摇650214;

4.中国电建集团昆明勘测设计研究院有限公司,云南昆明摇650214)

摘要:为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM鄄BP神经网络和SVR进行变

形预测研究。基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,

以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM鄄BP神经网络模型

和SVR模型,对部分监测数据进行(先行学习)训练,对后续的监测数据进行验证预测,预测预报了

研究测点的变形情况。分析结果表明,2个模型精度都比较高,LM鄄BP神经网络模型的最大误差为

2.53%,SVR模型的最大误差为4.35%,预测方法有效。

关键词:倾倒变形体;变形预测;机器学习;深度学习;LM鄄BP神经网络;支持向量回归

中图分类号:P642摇摇摇文献标志码:A摇摇摇文章编号:10001980(2021)01006406

DeformationpredictionoftopplingdeformedslopebasedonLM鄄BPandSVR

1,21,21,234

XUWeiya,XUWei,YANLong,CHENHongjie,HUANGDefan

(1.InstituteofGeotechnicalEngineering,HohaiUniversity,Nanjing210098,China;

2.KeyLaboratoryofMinistryofEducationforGeomechanicsandEmbankmentEngineering,

HohaiUniversity,Nanjing210098,China;

3.HuanengLancangRiverHydropowerLtd.,Kunming650214,China;

4.PowerChinaKunmingEngineeringCorporationLimited,Kunming650214,China)

Abstract:TogainadeeperunderstandingofthedeformationtrendofNo.1topplingdeformedslopeintheHuangdengHydropower

Station,theLM鄄BPneuralnetworkandtheSVRw