基于微粒群算法的海堤渗压RBF神经网络监测模型

• 作者: 闫彭彭 黄铭
• 来源期刊: 水力发电
• 学科: 工学
• 关键词: 海堤 渗压监控 径向基函数 微分进化 微粒群优化
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 安全监测
• 页码范围: 99-101,110
• 页数: 4页
• 分类号: TV698.12
• 字数: 3211字
• 语种: 中文

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.