改进的BP神经网络在大坝变形监测中的应用

改进的BP神经网络在大坝变形监测中的应用

ID:41674535

大小:157.32 KB

页数:4页

时间:2019-08-29

改进的BP神经网络在大坝变形监测中的应用_第1页
改进的BP神经网络在大坝变形监测中的应用_第2页
改进的BP神经网络在大坝变形监测中的应用_第3页
改进的BP神经网络在大坝变形监测中的应用_第4页
资源描述:

《改进的BP神经网络在大坝变形监测中的应用》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、文章编号:1672-8262(2009)03-112-04中图分类号:TV69&11文献标识码』改进的BP神经网络在大坝变形监测中的应用杨刚]•,曾凡祥彳(1•芫湖市勘测设计研究院,安徽芜湖241000;2.广州海洋地质调査間,广东广州510760)摘要:BP算法能够为大坝的变形预报捉供枚好的预测徨,且具有校高的精度。依据BP算法的特性,提出了通过添加学习速卓自适应与附加动畳项的方法来提高BP算法的运算速度;并对此改进策略进行了试验论证。关键词:神经网络;BP神经网络;变形监测1引言作为一种新兴的、功能强大的信息处理方法,与传统信息处理方法相比

2、,神经网络的最大优点是避免了知识表达的具体形式,不必像统计模型那样要求一定的前提假设和事先的确定因子,而且在理论上可实现任意函数的逼近。此外,神经网络所反映的函数关系不必用显式的函数表达式表示,而是通过调整网络本身的权值和阈值来适应,具有很强的非线性映射能力口⑵。目前,BP神经网络研究已在大坝的变形监控应用方面取得了一定的成果,但同时我们还应看到,标准的BP神经网络仍具有训练速度慢的特点,本文对BP算法进行了•改进,将其运用到大坝变形监测中,分析改进后的BP算法性能,并与改进前的BF算法进行了比较分析。2BP神经网络原理BP算法的主要思想是把学

3、习分为两个阶段⑴:第一阶段(正向传播过程),给出输入信息,通过输入层经隐含层逐层处理并计算毎个单元的实际输岀值;第二阶段(反向过程),若在输出层未得到期望的输出值,则逐层递归地计算实际输出与期望输出之差(即误差);以便根据此差调节权值,具体些说,就是可对每一个权重计算接收单元的谋差值与发送单元的激活值的积。权境的实际改变可由权重误差微商一个模式一个模式地计算出来,即他们可在这组模式集上进行累加。基于BP算法的多层网络的结构如图1所示。这种网络不仅有输入结点,而且有一层或多层隐含结点。对于输入信息,要先向前传播到隐含层的结点上,经过激活函数(激活

4、函数通常为Sigmoid型函数)运算后,把隐含结点的输岀信息传播到输出结点,最后给出输出结果。网络的学习过程由正向传播和反向传播两部分组成。在正向传播中,每一层神经元的状态只影响下一层神经元网络。如果输出层不能得到期望输出,就是实际输出值与期望输岀值之间有误差,那么转入反向传播过程,将误差信号沿原来的连接通路返回,通过修改各层神经元的权值,逐次地向输入层传播去进行计算,再经过正向传播过程,这两个过程的反复运用,使得误差信号最小。实际上,误差达到人们所希望的要求时,网络的学习过程就结束了。ffll基于BP算法的神经元网络结构BP算法是在导师指导下

5、,适合于多层神经元网络的一种学习,是建立在梯度下降法基础上的。设含有共厶层和“个结点的一任意网络,每层只接受前一层的输出信息并输出给下一层各单元。为简单起见,认为网络只有一个输出歹。设给定N个样本(处m)(/l,2,・・・N),任一个结点i输出0,对某一个输入为叫,网络的输出为九,结点i的输出为0收稿日期:2008—06—24作者简介:杨刚(1982—),男,助理工程师•主要从事工程测fit工作。,节点i到节点j的连接权值为嚙,现在研究第I层的第j个单元,当输入第k个样本时,结点j的输入:ne^^w.O1^鲨表示I层,输入第斤个样本时,第j个

6、也元结点的输出0日(%)(1)其中・)是节点/的激活函数,使用误差函数为平方型^k=yX(yjk-rjk)dER为步长•其中dEk=ldWjj/x>0/£>0(11)(12)加是单元丿•的实际输出。总误差为E薛定义氐=轟于是兽二寻X胡Ofdwjjdnetljkdw^dnetkJ下面分两种情况来讨论:⑴若结点j为输出单元,则0;严齐氐二翥Z哙X嘉■=-(九F(呦;k)。呦弘dyjkdnetik(2)若结点j不是输岀单元,则壮歳喘X徽=救如)(3)(5)式中0:是送到下一层(Z+1)层的输入,计算券要从U+1)层算回来。在仃+1)层第m个单元时廻

7、v廻"盹礙v廻,+1

8、+1777=I.J*TXi==2臨80jkdriel^d0jk™dnetmkm(8)(9)(10)将式(8)代入(7),则得氐(囲)m总结上述结果,有胃二孕血緋'(曲防现在,反向传播算法的步骤可概括如下:(1)选定权系数初值;■(2)重复下述过程知道收敛;①对"1到/V正向过程计算:计算每层各单元的0,,"人,k=2,…,N反向过程计算:对各层(心卜1到2),对每层各单■元,计算氐,其中氐=dnetik②修正权值3BP算法的改进本文采用两种算法对标准的BP神经网络模型进行改进:3.1学习速率自适应调整BP算法的收敛

9、性和收敛速度很大程度上取决于学习速率“,A的取值与具体问题有关,针对不同的问题,A的取值范围也会不同。理论上,误差曲面较平坦处,由于梯度较小,“取值该

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。