期刊文献+

大坝服役性态安全监控的GA-RBF组合模型 预览

Safety Monitoring Model of Dam Service Based on Genetic Algorithm and RBF Neural Network
在线阅读 下载PDF
收藏 分享 导出
摘要 RBF神经网络具有很强的非线性拟合能力,但是在搜索最优解的时候易在局部最优处停滞.遗传算法是模拟自然界生物繁衍进化的算法,具有高效的全局搜索能力.本文提出了一种新的大坝服役性态监控模型.我们用遗传算法优化选择RBF网络隐层节点的各类参数,诸如网络隐层的中心值、宽度和权值.这样既可以避免陷入局部最优又能加快收敛速度.本文将遗传优化的RBF神经网络模型应用于某混凝土双曲拱坝的位移监测资料分析.比较发现,该方法可以很好的对大坝服役性态进行预测,取得很高的预测精度. RBF neural network has the best nonlinear approximation ability, but it is easy to fall into local op- timum. In order to overcome the disadvantage of RBF neural network, we can optimize center values, widths and weights of hidden layer nodes by using the global optimization ability of genetic algorithm, which can a- void failing into the local optimum and accelerate the convergence speed. It is proved that the method is relia- ble and effective by analyzing the dam displacement monitoring data.
作者 杜辉 赵二峰 郭珅 姓海涛 张敏 Du Hui1'2 ,Zhao Erfeng1'2, Guo Kun3 ,Xing Haitao4 ,Zhang Min4 (1. State Key Laboratory of Hydrology-Water Resources I~ Hydraulic Engineering, Hohai Univ. , Nanjing 210098, China; 2. National Engineering Research Center of Water Resources Efficient Utilization ~ Engi- neering Safety, Hohai Univ. , Nanjing 210098, China; 3. Water Resources ~ Hydropower Design ~ Re- search Institute of Sichuan, Chengdu 610000, China; 4. Water Affair Bureau of Lishui District, Nanjing 211200, China)
出处 《三峡大学学报:自然科学版》 CAS 北大核心 2018年第2期11-14,共4页 Journal of China Three Gorges University(Natural Sciences)
基金 国家自然科学基金重点项目(41323001) 国家重点研发计划课题(2016YFC0401601) 国家自然科学基金面上项目(51479054.51579086,51379068,51579083) 江苏省杰出青年基金项目(BK20140039) 国家自然科学基金项目(51579085) 高等学校博士学科点专项科研基金(20130094110010) 江苏高校优势学科建设工程资助项目(水利工程)(YS11001) 国家重点实验室专项基金(20145027612) 中央高校基本科研业务费项目(2015820714)
关键词 大坝 位移 监控模型 RBF神经网络 遗传算法 dam displacement monitoring model RBF neural network genetic algorithm
作者简介 杜辉(1993-),男,硕士研究生,主要从事大坝安全监测研究.E-mailduhuidu@outlook.com
  • 相关文献

参考文献7

二级参考文献58

共引文献160

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈