基于卡尔曼滤波的GA-BP模型在大坝变形预测中的应用

发布时间：2017-10-15 09:16

  本文关键词：基于卡尔曼滤波的GA-BP模型在大坝变形预测中的应用

  更多相关文章： 神经网络 遗传算法 卡尔曼滤波 大坝变形预测

【摘要】：传统的BP神经网络拥有良好的逼近非线性映射能力,然而由于其自身存在收敛速度慢,容易陷入局部极小值和泛化能力差的不足,往往难以满足实际中预测精度的需要。采用卡尔曼滤波方法,将观测到的大坝位移原始值进行滤波处理,以尽可能剔除随机误差的干扰,并引入遗传算法,对神经网络的权、阈值进行优化,提高其全局搜索能力,建立了基于卡尔曼滤波的GA-BP模型。以某大坝位移预测为例,证明了此模型比传统的BP模型在预测精度上有所提高,具有一定的实际应用价值。
【作者单位】： 河海大学水文水资源与水利工程科学国家重点实验室;河海大学水利水电学院;
【关键词】： 神经网络 遗传算法 卡尔曼滤波 大坝变形预测
【基金】：江苏省自然科学基金(BK20131372)
【分类号】：TV698.11
【正文快照】： 0引言大坝变形预测对于建立完整的大坝安全监测体系,保证大坝运行安全意义重大。长期以来,诸如统计模型、确定性模型和混合模型等经典数学模型广泛应用于坝体变形监测[1]。以统计模型为代表的传统方法虽然在部分程度上能正确反映大坝变形与其影响因子之间的相关关系,但考虑到，

本文编号：1036303