张建喜， 臧德彦

(东华理工大学测绘工程学院，江西抚州344000)

主成分分析与BP网络组合的大坝变形预报

张建喜， 臧德彦

(东华理工大学测绘工程学院，江西抚州344000)

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中，建立大坝变形预测模型。可以有效地降低输入因子的维数，减小因子之间相关性的影响，简化网络结构，降低网络训练难度，提高预测的稳定性及精度，提升BP网络训练的效率，解决由影响因子内部相关性而需引入大量因子的问题。通过实验结果对比表明，主成分分析与BP网络相结合的大坝预报模型精度及稳定性明显优于其他模型。

主成分分析;大坝变形;BP神经网络

大坝安全监测数据处理模型通常采用的数学模型主要有统计模型、确定模型、混合模型等(李珍照，1997)。其中统计模型和混合模型一般多采用回归分析方法来建立，对事先拟定的因子进行筛选及系数求解，但所选的因子之间有时会存在严重的相关性，这种相关性有时会对预测效果产生较大的影响。目前对拟定大坝变形影响因子进行系数求解的方法主要采用的是相关性判别法。这种方法虽然能准确确定每一个影响因子与大坝变形的相关性，但经过相关性判别只是线性地确定大坝位移影响因子与大坝变形量之间的关系，并没有对影响因子之间的相关性进行分析，并且由于影响因子之间存在相关性，将会引入大量无效变量。主成分分析可以有效地解决变量之间的多重相关性问题(农吉夫等，2008)。……