基于GA-PSO-BP的大坝变形监测模型

• 作者: 卢献健 周斌 王雷 罗乐 胡应剑
• 来源期刊: 桂林理工大学学报
• 学科: 工学
• 关键词: 大坝变形监测 GA PSO BP神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 测绘科学
• 页码范围: 384-389
• 页数: 6页
• 分类号: TV698.11|TP18
• 字数: 5141字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2020.02.018

摘要

提出了一种基于GA-PSO混合优化BP神经网络的大坝变形监测模型,将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,利用GA算法的全局性和PSO算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差,提高其收敛速度和加强网络泛化能力.运用GA-PSO-BP模型对大坝自动监测数据进行预测分析,实验结果表明GA-PSO-BP模型优化了BP神经网络的连接权值和阈值,能有效提高网络训练精度与收敛速度,有效避免早熟收敛,使模型的整体预测效果得到提高.