本文選題：土石壩 + 滲流壓力�。� 參考：《人民黃河》2017年08期

【摘要】：滲流壓力是反映大壩工作狀態(tài)的重要物理量,對(duì)滲流壓力進(jìn)行預(yù)測(cè)分析可以及時(shí)了解大壩滲流狀況和趨勢(shì)。為克服標(biāo)準(zhǔn)BP算法收斂速度慢、泛化能力弱和計(jì)算量大等不足,引入LM算法優(yōu)化標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,提高BP神經(jīng)網(wǎng)絡(luò)對(duì)土石壩滲流壓力的預(yù)測(cè)效果。根據(jù)滲流分析,給出了滲流壓力的統(tǒng)計(jì)模型,由統(tǒng)計(jì)模型選取上下游水位、降雨和時(shí)效作為神經(jīng)網(wǎng)絡(luò)輸入層因子,以滲流壓力作為輸出層因子,建立了3層LMBP神經(jīng)網(wǎng)絡(luò)大壩滲流壓力預(yù)測(cè)模型。利用MATLAB進(jìn)行了多組仿真試驗(yàn),確定了使本次滲流壓力預(yù)測(cè)效果更好的訓(xùn)練樣本數(shù)據(jù)量區(qū)間。以滲流壓力實(shí)測(cè)數(shù)據(jù)及同期庫(kù)水位和降雨資料作為訓(xùn)練樣本,在選取適當(dāng)數(shù)據(jù)量的訓(xùn)練樣本的基礎(chǔ)上,運(yùn)用LM算法對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練,利用測(cè)試樣本對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試。將同結(jié)構(gòu)的LMBP神經(jīng)網(wǎng)絡(luò)和標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于某土石壩滲流壓力的預(yù)測(cè)中,應(yīng)用結(jié)果表明,LMBP神經(jīng)網(wǎng)絡(luò)收斂速度更快、擬合和預(yù)測(cè)精度更高,在土石壩滲流壓力分析和預(yù)測(cè)應(yīng)用方面是可行的。
[Abstract]:Seepage pressure is an important physical quantity reflecting the working state of the dam. The prediction and analysis of seepage pressure can understand the seepage condition and trend of the dam in time. In order to overcome the shortcomings of the standard BP algorithm, such as slow convergence speed, weak generalization ability and large amount of calculation, LM algorithm is introduced to optimize the weight and threshold of the standard BP neural network to improve the prediction effect of BP neural network on the seepage pressure of earth-rock dam. According to the seepage analysis, the statistical model of seepage pressure is given. The upstream and downstream water level, rainfall and aging are selected as input layer factors of neural network, and seepage pressure is taken as output layer factor. A three-layer LMBP neural network model for predicting seepage pressure of dams is established. A series of simulation experiments are carried out with MATLAB to determine the interval of the training sample data which can make the prediction effect of seepage pressure better. Taking the measured seepage pressure data, the water level and rainfall data of the same reservoir as the training samples, the LM algorithm is used to train the BP network on the basis of selecting the appropriate training samples. Test samples are used to test the trained neural network. The LMBP neural network with the same structure and the standard BP neural network are applied to the prediction of seepage pressure of a certain earth-rock dam. The application results show that the neural network converges faster, and the fitting and forecasting accuracy is higher. It is feasible to analyze and predict seepage pressure of earth-rock dam.
【作者單位】： 南京水利科學(xué)研究院;水利部大壩安全管理中心;江蘇省水利廳;
【基金】：水利部公益性行業(yè)科研專項(xiàng)(201501033) 國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0401600) 江蘇省水利科技項(xiàng)目(2015010) 廣西水利廳科技項(xiàng)目(201614)
【分類號(hào)】：TV223.4;TV641

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋孝玉,易廣軍,李智錄,沈冰;基于神經(jīng)網(wǎng)絡(luò)的金盆水庫(kù)大壩應(yīng)力預(yù)測(cè)[J];水資源與水工程學(xué)報(bào);2004年04期

2 廖衛(wèi)洪;李躍平;;“人工”神經(jīng)網(wǎng)絡(luò)在大壩安全穩(wěn)定中的應(yīng)用研究[J];湖南水利水電;2008年03期

3 牛景太;魏博文;;基于蟻群優(yōu)化神經(jīng)網(wǎng)絡(luò)的混凝土壩位移安全監(jiān)控模型[J];甘肅水利水電技術(shù);2012年07期

4 吳云芳,李珍照;自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)在水利工程開發(fā)方案決策中的應(yīng)用[J];水電能源科學(xué);2002年01期

5 強(qiáng)明輝;韓晶晶;;改進(jìn)的BP網(wǎng)絡(luò)在大壩變形監(jiān)測(cè)資料分析中的應(yīng)用研究[J];自動(dòng)化與儀器儀表;2012年05期

6 李陽(yáng);紀(jì)昌明;李克飛;張驗(yàn)科;趙璧奎;;結(jié)合均生函數(shù)的神經(jīng)網(wǎng)絡(luò)在中長(zhǎng)期水文預(yù)報(bào)中的應(yīng)用[J];水電能源科學(xué);2013年02期

7 胡建蘭;劉玉忠;;基于神經(jīng)網(wǎng)絡(luò)方法的堤防穩(wěn)定性影響因素分析[J];人民黃河;2007年05期

8 刁凌志;員秀梅;崔梅娟;;基于神經(jīng)網(wǎng)絡(luò)的粉煤灰纖維混凝土強(qiáng)度預(yù)測(cè)[J];中州大學(xué)學(xué)報(bào);2008年04期

9 張立新;蔣裕豐;董良;;基于蟻群神經(jīng)網(wǎng)絡(luò)的裂縫開合度預(yù)測(cè)模型[J];水力發(fā)電;2010年05期

10 黃濤珍,王曉東;BP神經(jīng)網(wǎng)絡(luò)在洪澇災(zāi)損失快速評(píng)估中的應(yīng)用[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

相關(guān)會(huì)議論文 前10條

1 于軍;聶義勇;;神經(jīng)網(wǎng)絡(luò)控制算法在流體阻力時(shí)變物體運(yùn)動(dòng)模型中的應(yīng)用[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

2 付朝江;;基于神經(jīng)網(wǎng)絡(luò)的壩體斷面優(yōu)化設(shè)計(jì)[A];第一屆中國(guó)水利水電巖土力學(xué)與工程學(xué)術(shù)討論會(huì)論文集（上冊(cè)）[C];2006年

3 鐘洛加;沈貴文;;BP神經(jīng)網(wǎng)絡(luò)方法在三峽庫(kù)區(qū)滑坡預(yù)測(cè)中的應(yīng)用[A];西部水利水電開發(fā)與巖溶水文地質(zhì)論文選集[C];2004年

4 張小穩(wěn);李雪紅;李益進(jìn);陳輝;;基于神經(jīng)網(wǎng)絡(luò)的裂縫轉(zhuǎn)異荷載診斷[A];現(xiàn)代水利水電工程抗震防災(zāi)研究與進(jìn)展[C];2009年

5 馬福恒;向衍;吳中如;;基于修正證據(jù)理論的土石壩滲流警兆辨識(shí)研究[A];水工滲流研究與應(yīng)用進(jìn)展——第五屆全國(guó)水利工程滲流學(xué)術(shù)研討會(huì)論文集[C];2006年

6 林育梁;盧丹玫;楊二靜;;灰關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)法及防洪堤邊坡穩(wěn)定性分析[A];第一屆中國(guó)水利水電巖土力學(xué)與工程學(xué)術(shù)討論會(huì)論文集（上冊(cè)）[C];2006年

7 王利霞;蔡金錠;林禮清;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)在水輪機(jī)組中的應(yīng)用[A];2006中國(guó)電力系統(tǒng)保護(hù)與控制學(xué)術(shù)研討會(huì)論文集[C];2006年

8 羅先啟;張選兵;葛修潤(rùn);;基于神經(jīng)網(wǎng)絡(luò)的滑坡地下水位反分析[A];新世紀(jì)巖石力學(xué)與工程的開拓和發(fā)展——中國(guó)巖石力學(xué)與工程學(xué)會(huì)第六次學(xué)術(shù)大會(huì)論文集[C];2000年

9 袁利興;張愛(ài)學(xué);穆玉勇;;RBF神經(jīng)網(wǎng)絡(luò)在河堤變形分析和預(yù)測(cè)中的應(yīng)用[A];第十六屆六省礦山學(xué)術(shù)交流會(huì)論文集[C];2009年

10 趙琳;宓永寧;馮琳;江帆;李長(zhǎng)龍;;土石壩滲流分析與自動(dòng)化觀測(cè)軟件研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)農(nóng)業(yè)水土工程專業(yè)委員會(huì)第三屆學(xué)術(shù)研討會(huì)論文集[C];2004年

相關(guān)博士學(xué)位論文 前2條

1 許世剛;計(jì)算智能及其在水利水電工程中的應(yīng)用[D];河海大學(xué);2001年

2 羅丹;高混凝土面板堆石壩反分析與面板溫度應(yīng)力研究[D];武漢大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測(cè)研究[D];昆明理工大學(xué);2015年

2 張亞娣;基于神經(jīng)網(wǎng)絡(luò)的中小型水電站泄水閘門控制方法研究[D];河北科技大學(xué);2015年

3 楊超;改進(jìn)的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在大壩變形預(yù)測(cè)中的應(yīng)用[D];東華理工大學(xué);2016年

4 王竹;基于BP神經(jīng)網(wǎng)絡(luò)的大伙房水庫(kù)洪水預(yù)報(bào)模型研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2016年

5 詹佩;基于人工智能的水電機(jī)組振動(dòng)趨勢(shì)預(yù)測(cè)[D];華中科技大學(xué);2016年

6 王圣;基于神經(jīng)網(wǎng)絡(luò)的水文預(yù)報(bào)方法研究[D];華中科技大學(xué);2013年

7 孫英廣;神經(jīng)網(wǎng)絡(luò)在徑流預(yù)測(cè)模型研究中的應(yīng)用及軟件實(shí)現(xiàn)[D];大連理工大學(xué);2005年

8 霍惠玉;水庫(kù)信息管理系統(tǒng)研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2007年

9 李寧;BP神經(jīng)網(wǎng)絡(luò)在水文數(shù)據(jù)中的應(yīng)用研究[D];山西財(cái)經(jīng)大學(xué);2011年

10 吁莎;基于模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)的水利水電工程造價(jià)估算研究[D];長(zhǎng)沙理工大學(xué);2012年

，

本文編號(hào)：1811944