闫 滨，王 闯

(沈阳农业大学水利学院，辽宁沈阳110866)

0 引 言

裂缝宽度是裂缝发展的一个重要指标，对其建立恰当的数学模型，准确预测裂缝变化趋势，以判断裂缝是否会发展成为危害性裂缝，并监视闸墩混凝土结构的变异，防患于未然具有重要意义[1]。闸墩裂缝宽度变形机理复杂，受多种因素影响。由于不确定、复杂多变的影响因素以及不完备的数据，想要准确预测裂缝宽度常规方法很难做到。利用神经网络则可以通过反复学习样本来分析闸墩裂缝宽度的非线性演变关系[2]。

本文以盘锦双台子河闸10号中墩裂缝为例，采用粒子群优化算法对RBF神经网络的参数进行优化，并应用优化后的RBF神经网络预测了该闸墩裂缝宽度变化规律，与采用单一RBF神经网络预测的结果进行了比较分析。

1 研究方法

1.1 粒子群算法原理

粒子群算法(PSO)是一种新的全局优化算法，它基于群体智能，其源于模拟鸟类捕食行为[3]，基本粒子群算法的数学描述如下：在D维搜索空间内，一个群体包含N个粒子，记作X=[x1，…，xN]，粒子i的位置记作xi=[xi1，…，xiD]T，其中i=1，2，…，N，位置变化率(速度)记作vi=[vi1，…，viD]T；到当前迭代为止，粒子i自身发现的最优位置记作pi=[pi1，…，piD]T，全部粒子到当前迭代为止时发现的最优位置记作pg=[pg1，…，pgD]T，这两个值被找到之后，粒子通过下列公式进行更新。

vid(t+1)=vid(t)+c1r1(pid-xid(t))+
c2r2(pgd-xid(t))

(1)

xid(t+1)=xid(t)+vid(t+1)

(2)

(3)

式中，vid(t)，xid(t)分别为粒子i当前的速度与位置；c1，c2为学习因子，是非负常数，一般设为2；r1，r2为在[0，1]内的随机数；pid为粒子i发现的个体最优位置；pgd是粒子i发现的全局最优位置；其中，i=1，2，…N，d=1，…，D[4]。

1.2 RBF神经网络原理

RBF神经网络是一种静态前向型网络，由输入层、隐层和输出层3层构成[5]。……