宁昕扬　刘晓青

(河海大学 水利水电学院， 南京　210098)



基于MIV-改进RBF神经网络的大坝变形监测模型

宁昕扬刘晓青

(河海大学 水利水电学院， 南京210098)

摘要：针对常规径向基函数(RBF)神经网络模型无法选择显著预报因子和易陷入局部最优解的问题，建立一种融合平均影响值(MIV)、改进果蝇算法(FOA)和RBF神经网络的大坝变形监测模型．通过引入MIV对水压、温度、时效三类预报因子进行筛选，并利用改进FOA算法获得RBF神经网络模型中最佳的spread值，以提高模型的稳定性和预报精度．为验证模型的有效性，以某混凝土重力坝位移监测数据为例，分别建立多元线性回归模型、常规RBF模型、MIV-RBF模型和MIV-改进RBF模型．研究结果表明MIV-改进RBF神经网络大坝变形监测模型预测稳定、精度高，预报效果好．

关键词：MIV算法；变量筛选；改进RBF神经网络；大坝变形监测模型

大坝变形监测预报研究对大坝安全运行具有重要意义．传统的大坝变形监控模型主要采用回归分析法对位移观测数据进行处理，所建立的模型是线性的[1]．实际大坝变形还受到地质、地形、筑坝材料等因素的影响，具有很强的非线性．因而，回归模型预报结果常出现预报精度低和拟合效果欠佳的情况．近年来兴起的人工神经网络技术因其无需考虑所引入变量具体的物理意义，而更加考究数据量之间的关系，在非线性和不确定性问题的处理中得到了广泛地应用[2]．

径向基函数(RBF)神经网络较BP神经网络具有结构简单、逼近速度快和更强非线性处理能力[3]的特点，一些学者已将其广泛地应用于结构安全监测的非线性问题中．张晓春[2]建立了坝段挠度预测的径向基神经网络模型；……