大坝服役性态安全监控的GA-RBF组合模型
2018-03-23赵二峰姓海涛
三峡大学学报(自然科学版) 2018年2期
关键词:模型
杜 辉 赵二峰 郭 珅 姓海涛 张 敏
(1. 河海大学 水文水资源与水利工程科学国家重点实验室,南京 210098;2. 河海大学 水资源高效利用与工程安全国家工程研究中心,南京 210098;3. 四川省水利水电勘测设计研究院,成都 610000;4. 南京市溧水区水务局,南京 211200)
神经网络具有很强的非线性逼近能力,近年来被越来越多的应用在非线性拟合领域内,并取得了丰硕的成果[1].其中应用最为广泛的是径向基函数神经网络.径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)是一种3层前馈神经网络,具有单个隐层结构.RBF神经网络有极高的局部最佳非线性逼近能力[2];比其他神经网络更简单的结构[3];在学习过程中,RBF网络可以调整局部神经元个数,具备较高的学习效率[4].诸多特点使RBF网络得到了广泛的应用[5].张伟储等[6]将RBF网络应用于大坝应变预报中;王德文等[7]将RBF网络应用于大坝位移监控中,都取得了很高的预测精度.任何事物都有两面性,有优点就有缺点,RBF网络也同样存在缺点.如果目标函数十分复杂,在用普通的RBF网络进行训练时,容易陷入局部最优.而遗传算法是一种模仿生物自然进化过程的算法,可以通过全局并行搜索摆脱局部最优的困扰,搜索到目标函数最优解[8].而大坝服役性态影响因素广泛,干扰因素众多,具有非线性、变量多的特性,难以准确的用普通数学模型刻画其服役性态.为了能更好的模拟大坝服役过程,分析服役机理,有效的对大坝服役过程进行预报,并提前预警,本文在RBF网络的……
登录APP查看全文
