Matlab仿真平台下大坝位移BP神经网络模型研究

doi:10.3969/j.issn.1001-5485.2013.01.020

长江科学院院报 ›› 2013, Vol. 30 ›› Issue (1): 99-101.DOI: 10.3969/j.issn.1001-5485.2013.01.020

• 安全监测预警专栏 • 上一篇

Matlab仿真平台下大坝位移BP神经网络模型研究

朱凤林，韩卫 

辽宁省白石水库管理局，辽宁朝阳 122000

收稿日期:2012-11-20 出版日期:2013-01-01 发布日期:2013-01-16
通讯作者: 韩卫（1971-），男，河北保定人，高级工程师，主要从事水库大坝安全监测管理、数值分析等工作
作者简介:朱凤林（1975-），男，辽宁凌源人，工程师，主要从事水利水电工程施工管理工作

BP Neural Network Model to Monitor Dam Deformation in Matlab Simulation Platform

ZHU Feng-lin, HAN Wei

Baishi Reservoir Management Bureau of Liaoning Province, Chaoyang 122000, China

Received:2012-11-20 Online:2013-01-01 Published:2013-01-16

摘要/Abstract

摘要：

基于人工神经网络的非线性映射能力，应用Matlab7.1网络仿真平台，结合辽宁省白石水库多年大坝位移实测数据，建立了3种不同改进BP算法的多层前馈神经网络模型。并通过LM算法、BR算法、GDX算法的BP网络模型的拟合、预报结果，对3种模型的应用效果进行了比较分析，得出了LM算法的BP网络更适合用于建立坝顶位移监控模型的结论，以实现对大坝位移实时、有效的监控。

关键词: Matlab, 大坝位移, BP神经网络, 改进优化, 预报

Abstract:

On the basis of the nonlinear reflection ability of artificial neural network, we established three multi-layer feed-forward neural network models in Matlab 7.1 simulation platform to monitor the Baishi reservoir deformation in Liaoning Province. The three models adopt different modified BP algorithms, i.e. LM algorithm, BR algorithm, and GDX algorithm. According to the fitting and prediction results, we compared the application results of the three models and concluded that the BP network based on LM algorithm was more suitable for building dam's displacement monitoring model to realize real-time and effective monitoring.

Key words: Matlab, dam displacement, BP neural network, modified algorithm, prediction , 

中图分类号:

TV698.21

朱凤林，韩卫 . Matlab仿真平台下大坝位移BP神经网络模型研究[J]. 长江科学院院报, 2013, 30(1): 99-101.

ZHU Feng-lin, HAN Wei. BP Neural Network Model to Monitor Dam Deformation in Matlab Simulation Platform[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2013, 30(1): 99-101.

[1]	张岩, 刘嘉昊, 吕园, 李志豪, 张燕楠, 李昇, 陈撰文. 不同石粉参数对混凝土力学性能的影响[J]. 长江科学院院报, 2023, 40(3): 166-173.
[2]	陈文鸿, 余斌, 柳清文, 路璐, 马超, 孙帅, 师春香. 北京山区泥石流的单沟预报[J]. 长江科学院院报, 2023, 40(1): 94-100.
[3]	陈长生, 张海平, 周云, 李银泉, 史存鹏, 王旺盛. 滇中引水工程香炉山隧洞勘察关键技术[J]. 长江科学院院报, 2022, 39(12): 8-14.
[4]	杜俊, 廖健都, 韩成力. 调水工程富水破碎洞段综合超前地质预报技术[J]. 长江科学院院报, 2022, 39(12): 15-20.
[5]	李庆文, 曹行, 杨露, 王学志, 刘华新. 钢-聚乙烯醇混杂纤维对自密实混凝土梁抗剪性能的影响[J]. 长江科学院院报, 2022, 39(10): 121-127.
[6]	邵珠山, 张鹏举, 张喆, 魏玮, 乔汝佳. 隧道施工超前地质预报研究进展[J]. 长江科学院院报, 2022, 39(1): 70-77.
[7]	张涛, 訾丽, 杨文发, 王加虎. SCS模型在山区小流域山洪灾害预报预警中的适用性分析[J]. 长江科学院院报, 2021, 38(9): 71-76.
[8]	赵自阳, 王红瑞, 赵岩, 胡立堂, 刘海军. 基于混沌理论的汉江上游安康站1950—2014年逐月降水量特征[J]. 长江科学院院报, 2021, 38(7): 137-142.
[9]	郭振天, 黄峰, 郭利丹, 吴瑶. 鄱阳湖水文情势演变原因及对策[J]. 长江科学院院报, 2021, 38(6): 27-31.
[10]	田景环, 樊素琦, 王文川, 刘昌军, 张启义, 赵悬涛, 马珊. FFMS模型与HEC-HMS模型在暴雨洪水预报中的应用比较[J]. 长江科学院院报, 2021, 38(3): 59-65.
[11]	陈良捷, 魏博文, 喻俊豪, 罗绍杨, 毛颖. 基于多尺度自回归模型体系的混凝土坝位移预报及工程应用[J]. 长江科学院院报, 2021, 38(12): 82-90.
[12]	邢岳, 田正宏, 杜辉. 碾压混凝土坝层间结合质量智能评价方法[J]. 长江科学院院报, 2020, 37(8): 142-149.
[13]	赵力学, 黄解军, 程学军, 申邵洪, 袁艳斌. 基于VMD-BP模型的河流流量预测方法[J]. 长江科学院院报, 2020, 37(7): 47-52.
[14]	梁冠亭, 邓利明, 肖铭钊, 肖开乾, 何林. 多溶洞地层桩端极限承载力下限有限元法分析[J]. 长江科学院院报, 2020, 37(6): 94-99.
[15]	樊水龙. 基于SEM的干湿循环蚀变花岗岩分形特征与力学特性演化规律[J]. 长江科学院院报, 2020, 37(3): 102-107.

Matlab仿真平台下大坝位移BP神经网络模型研究

BP Neural Network Model to Monitor Dam Deformation in Matlab Simulation Platform

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价