基于多因素影响的BP—RBF神经网络渗流预测模型作者:犇 苏亮渊 贾亚杰 孟弯弯来源:《人民黄河》2018年第04重庆之窗
期 数学机械化
摘要:为提高大坝坝基渗流的预测精度,把芮成钢专访领导者BP神经网络较强的模糊推理和自学能力与RBF神经网络在函数收敛中的快速性和绝对性相结合,以避免BP神经网络陷入局部最小或不收敛,构建了以水库大坝库水深、降雨量和温度三参数为主要影响因素,大坝渗流量为观测值的函数关系。通过与汾河水库实测资料对比分析表明,基于BP-RBF神经网络模型的坝基渗流预测模型预测效果良好,可以为大坝的安全监测与病险防护提供数据支持,为大坝原型观测资料处理提供了新途径。 关键词:大坝安全监测;渗流;预测;BP神经网络;RBF神经网络;汾河水库
中图分类号:TV698.1
天堂419草坪
文献标志码:A
doi:10.3969/i.issn.1000-1379.2018.04.032
地下水渗漏造成的坝底扬压力过高、渗透比降过大等问题严重胁迫着大坝的安全运行,乃至引发严重的溃坝事故,对下游人民的生命财产安全造成威胁,而表征地下水渗漏程度的重要参数之一是渗流量。因此,选择有效的理论与方法、建立有效的模型来预测渗流量和防止渗流事件对于大坝安全运行具有重要的现实意义。
验收测试
随着数值模拟技术的不断发展,学者们将不同的预测方法引入到大坝渗流预测模型的研究中。刘彩花等2运用EMD-ARI模型对渗流数据进行分解,初步提取周期项与趋势项,对剩余值序列基于SAS平台进行时间序列分析。陈端等运用改进神经网络对大坝监测资料进行分析,结果表明广义回归神经网络具有柔性网络结构、很强的非线性映射能力及高度的容错性,非常适合解决非线性问题。以上研究多建立在对渗流实测数据进行分析拟合的基础上,并未考虑大坝库水位、降雨量、温度等因素对渗流场的影响。基于此,本文利用
工程监理企业资质管理规定BP-RBF神经网络在电气、热能等领域应用中展现出的最优泛函逼近的特性和较强的数据拟合能力,以汾河水库坝基渗流资料为基础,将渗流场中多变而复杂的影响因素进行拟合,建立基于多因素影响的BP-RBF神经网络渗流预测模型,以期为大坝安全运行状态监控及模型构建提供参考。