改进的粒子群优化BP神经网络在大坝变形预测中的应用
本文选题：大坝 + 神经网络 ； 参考：《东华理工大学》2016年硕士论文
【摘要】：大坝建造工程根据其建造的水文、地理、地址条件及其自身的建筑特性,可知大坝工程是一项非常复杂的工程,并且容易受到外界环境因素的影响,这就使得大坝工程在服务于社会的同时就存在着一定的安全隐患。所以对于大坝工程这样的水工建筑来说,安全防范和安全监测工作越来越受到大家的重视。目前,大坝安全监测的方法众多,主要都是对大坝进行实时监测,通过大量的监测变形数据,来分析和判定大坝的安全运行状况。其中在大坝变形预测方面的研究方法通常都只是单一的预测模型,经过大量试验研究表明单一的大坝形变预测模型有着很大的缺陷和不足,而且预测的结果存在很大的差异,所以可靠性和稳定性都不高。本文通过对BP神经网络模型在大坝变形中的应用进行发散式研究,并通过大量试验研究论证出了单一BP神经网络模型在大坝变形预测时存在许多的不足和缺陷。针对其在预测过程中的这些缺陷和不足,提出了一种新的思路,就是将有着很强寻优特性的智能粒子群算法用来优化单一的BP神经网络模型。其设计路线就是采用粒子群算法来优化BP神经网络的权值和阈值,从而不仅可以优化神经网络的结构,也可以提高神经网络的学习效率。然后,再从粒子群算法的基本理论出发,改进粒子群的寻优性能。针对前人提出的的粒子群算法在寻优过程中存在早熟收敛的问题,因此本文在经典粒子群算法中引入一个自适应变异操作,来避免粒子出现早熟收敛而陷入局部极小值的问题。而且在粒子的初始位置和速度加入一个随机性,这样可以提高粒子在搜索前期全局性,也可以提高粒子的全局搜索能力。经过以上改进操作后可以大大提高粒子群优化算法的优化效率。最后,将这种改进后的粒子群优化BP神经网络的模型应用到工程实践中,通过试验研究表明该模型在大坝的变形预测中起到了不错的效果,并且可以将该模型应用在大坝工程的监测数据分析和预报中。
[Abstract]:Based on the hydrology , geography , address conditions and its own building characteristics of the dam construction , it is known that the dam project is a very complex project and is easy to be influenced by external environmental factors .
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TV698.11
【相似文献】
相关期刊论文 前10条
1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期
3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期
4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期
5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期
6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期
7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期
8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期
9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期
10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期
相关会议论文 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
相关重要报纸文章 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
相关博士学位论文 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
相关硕士学位论文 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
本文编号：1978611
本文链接：https://www.wllwen.com/kejilunwen/shuiwenshuili/1978611.html
