基于LMBP神经网络的土石坝渗流压力预测

• 作者: 吴云星 周贵宝 庞琼 王宇 谷艳昌
• 来源期刊: 人民黄河
• 学科: 工学
• 关键词: 土石坝 渗流压力 LMBP神经网络 预测精度
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 工程勘测设计
• 页码范围: 90-94,148
• 页数: 6页
• 分类号: TV698.1
• 字数: 4527字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2017.08.019

摘要

渗流压力是反映大坝工作状态的重要物理量,对渗流压力进行预测分析可以及时了解大坝渗流状况和趋势.为克服标准BP算法收敛速度慢、泛化能力弱和计算量大等不足,引入LM算法优化标准BP神经网络的权值和阈值,提高BP神经网络对土石坝渗流压力的预测效果.根据渗流分析,给出了渗流压力的统计模型,由统计模型选取上下游水位、降雨和时效作为神经网络输入层因子,以渗流压力作为输出层因子,建立了3层LMBP神经网络大坝渗流压力预测模型.利用MATLAB进行了多组仿真试验,确定了使本次渗流压力预测效果更好的训练样本数据量区间.以渗流压力实测数据及同期库水位和降雨资料作为训练样本,在选取适当数据量的训练样本的基础上,运用LM算法对BP网络进行训练,利用测试样本对训练好的神经网络进行测试.将同结构的LMBP神经网络和标准BP神经网络应用于某土石坝渗流压力的预测中,应用结果表明,LMBP神经网络收敛速度更快、拟合和预测精度更高,在土石坝渗流压力分析和预测应用方面是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷艳昌		34	130	6.0	9.0
3	庞琼		19	84	5.0	8.0
9	王宇		11	35	4.0	5.0
10	吴云星		12	26	3.0	4.0