基于微粒群算法的海堤渗压RBF神经网络监测模型

摘要：

为提高海堤安全监控能力,从渗压实测数据以及潮位因子和降雨因子入手,使用影响因子的合理形式,利用径向基函数(RBF)神经网络建立渗压监测模型,推导微分进化微粒群优化算法(DPSO)速度和位移进化的数值计算方程,以此确定渗压RBF神经网络模型的聚类中心,并由此对渗压进行拟合和预测.以120组实测样本对模型进行训练拟合,并对后期60组渗压进行预测,得到拟合段平均相对误差为0.83％,相应预测段为1.71％.实际应用表明,经微分进化微粒群算法优化后,渗压RBF神经网络模型可以有效反映及预测渗压变化.

关键词：海堤、渗压监控、径向基函数、微分进化、微粒群优化

所属期刊栏目：42

分类号：TV698.12(水利枢纽、水工建筑物)

资助基金：三峡库区地质灾害教育部重点实验室三峡大学开放研究基金项目2015KDZ03;水利部公益性行业科研专项经费资助项目201401063-02

在线出版日期：2016-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：99-101,110