蒋园园，卢献健，郑中天，刘海锋

（1.桂林理工大学 测绘地理信息学院，广西 桂林541004；2.广西空间信息与测绘重点实验室，广西 桂林541004）

基于遗传算法的小波神经网络模型预测大坝变形

蒋园园1,2，卢献健1,2，郑中天1,2，刘海锋1,2

（1.桂林理工大学 测绘地理信息学院，广西 桂林541004；2.广西空间信息与测绘重点实验室，广西 桂林541004）

为了提高大坝变形的预测精度，提出一种基于遗传算法的小波神经网络模型。首先通过对BP神经网络隐含层神经元的替换，弥补了网络易收敛于局部极小点的缺陷，增强了函数逼近能力，进而建立了小波神经网络大坝预测模型；再利用该模型对大坝变形训练集进行学习，并运用遗传算法选取全局最优参数。该方法充分利用了小波神经网络强大的非线性预测能力和遗传算法的全局优化搜索功能，弥补了BP神经网络存在的理论缺点。将其与小波神经网络、BP神经网络进行比较，实验结果表明该方法具有更优的局部预测值、更高的全局预测精度，适用于复杂的大坝变形预测。

大坝变形；小波神经网络；遗传算法；参数优化

对大坝变形进行预测，有利于及时地对大坝潜在的危险进行排除，然而大坝变形受多种因素影响，变化较复杂且具有非线性。目前国内外已研发多种模型可用于非线性变化的仿真与预测，主要包括：支持向量机模型、灰色预测模型、神经网络模型等[1]。但是单一的模型预测精度往往不高，特别是灰色预测模型，当预测非线性数据变化时，其精度将大幅降低，不适于预测复杂的大坝变形。……