论文摘要
采用BP神经网络模型从大岗山水电站右岸边坡位移监测数据中提取其变形的主要特征,获取其内在机制以实现对其变形行为的预测。在训练过程中,为了克服神经网络易于陷入局部极值和收敛速度慢的不足,保证其预测的正确性,可采用改进的粒子群算法对其初始权重和阈值矩阵进行优化,即建立PSO-BP模型。此外,将由PSO-BP模型预测的位移值的残差序列视为马尔科夫链,可采用马尔科夫理论对其进行进一步地修正,以减少系统评估过程中出现的随机性。最终,建立了用于边坡非线性位移时间序列分析的PBM模型,实现了对数据的事先优化及事后修正。分析结果表明,PBM方法能够准确预测边坡变形的趋势特征,其位移预测结果与现场监测结果能够很好地吻合也进一步说明该方法的正确性与有效性,为相似工程的坡体变形分析提供了分析工具和值得借鉴的思路。
论文目录
文章来源
类型: 期刊论文
作者: 龚斌,唐春安
关键词: 边坡工程,变形预测,粒子群算法,神经网络,马尔科夫理论
来源: 水利与建筑工程学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 水利水电工程
单位: 大连理工大学海岸和近海工程国家重点实验室
基金: 国家自然科学基金项目(51579031,51627804)
分类号: TV223
页码: 130-135
总页数: 6
文件大小: 1423K
下载量: 68