杨 红，陈向阳，张 飞，张付明

（长江三峡勘测研究院有限公司（武汉），湖北武汉 430074）

AFSA-BP神经网络在大坝变形预测中的应用

杨 红，陈向阳，张 飞，张付明

（长江三峡勘测研究院有限公司（武汉），湖北武汉 430074）

经典BP神经网络的初始权值和阈值随机给定，使得训练速度慢、网络易于陷入局部极值。引入具有强大全局搜索能力的人工鱼群算法（AFSA）优化BP网络的权值和阈值，建立了基于AFSA-BP神经网络的预测模型，并对大坝的实测资料进行了实证分析。与经典BP神经网络预测模型的预测结果比较表明：AFSA-BP神经网络模型不仅训练速度快，而且预测精度明显提高，是一种较好的大坝变形预测模型。

人工鱼群算法；BP神经网络；大坝变形；预测

建立有效实用的大坝变形预测模型，对相应的物理量进行监控、预测，在评估大坝的工作形态和监控大坝的安全运营方面有着十分重要的意义。随着数学监控模型的研究逐步纵深发展，模糊数学、灰色理论、小波理论等智能算法纷纷被引入大坝变形预报模型的研究中来，使得系统的准确度更高、鲁棒性和时效性更强。人工神经网络作为一种新兴、功能强大的信息处理算法，以其强大的自组织性、自适应性以及高度的非线性，被很好地应用到大坝变形预测中。

徐晖、彭新民等学者将BP神经网络模型应用于大坝变形监测数据的拟合分析及其预测中，取得了好的效果。但是 BP神经网络存在训练时间长，系统不稳定，易陷入局部极小等缺陷，因此许多学者除了从BP自身改善算法性能，还将其他智能算法与之有机结合，有效地发挥各自优势得以改善网络的性能。……