基于MPGA-BP的重力壩變形預(yù)測(cè)研究.pdf

1、隨著這些年我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)，水利工程也獲得了高速發(fā)展，水壩的規(guī)模也在不斷的擴(kuò)大和提高。在帶給我們社會(huì)經(jīng)濟(jì)效益和生活便利的同時(shí)，這些水利工程一旦失事，后果將不堪設(shè)想，所以大壩的安全問題顯得尤為突出。大壩變形預(yù)測(cè)作為大壩安全監(jiān)測(cè)的重要組成部分，建立精確的預(yù)測(cè)模型來進(jìn)行數(shù)據(jù)分析和變形預(yù)報(bào)至關(guān)重要，對(duì)確保大壩安全運(yùn)行具有非常重要的作用。
　　大壩變形預(yù)測(cè)主要是根據(jù)現(xiàn)有的監(jiān)測(cè)資料來預(yù)測(cè)以后的大壩變形量。由于大壩本身內(nèi)部結(jié)構(gòu)和工作條件復(fù)雜，

2、影響因素多，無法用確切的定量關(guān)系來描述它們對(duì)大壩變形的影響。因此，用傳統(tǒng)的數(shù)學(xué)模型無法完全描述大壩變形量和影響因素之間的非線性映射關(guān)系，從而影響模型的預(yù)測(cè)精度。
　　人工神經(jīng)網(wǎng)絡(luò)具有超強(qiáng)的非線性映射能力、自學(xué)能力和容錯(cuò)性，用它對(duì)大壩進(jìn)行變形預(yù)測(cè)是一種有效的途徑。BP網(wǎng)絡(luò)作為目前人工神經(jīng)網(wǎng)絡(luò)中常用的學(xué)習(xí)方法之一，它自身也存在著缺點(diǎn)，即收斂速度慢和易出現(xiàn)局部極小值。而標(biāo)準(zhǔn)遺傳算法具有很強(qiáng)的宏觀搜索能力，可避免陷入局部極小值，所以利用遺

3、傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值進(jìn)行優(yōu)化，提高BP網(wǎng)絡(luò)的函數(shù)逼近效果。但是標(biāo)準(zhǔn)遺傳算法易出現(xiàn)早熟收斂，針對(duì)該問題本文引入多種群概念有效地解決早熟問題，提高算法的計(jì)算精度和速度。
　　本文通過運(yùn)用多種群遺傳算法（MPGA）來優(yōu)化BP網(wǎng)絡(luò)模型的初始權(quán)值和閾值；建立了多種群遺傳神經(jīng)網(wǎng)絡(luò)（MPGA-BP）模型；結(jié)合吉林豐滿水電站多年的壩頂水平位移監(jiān)測(cè)資料進(jìn)行實(shí)例分析和擬合預(yù)測(cè)；通過MATLAB軟件編程，并將該模型與經(jīng)典統(tǒng)計(jì)回歸模型、B