优化BP神经网络的位移预测模型.pdf

《优化BP神经网络的位移预测模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第2期水利水运工程学报No．22014年4月HYI佩0．Sa匝NCEAND圈N口INGApr．2014优化BP神经网络的位移预测模型王雪红，刘晓青，陶海龙，钱文江，赵泱军(1．河海大学水利水电工程学院，江苏南京210098；2．中国水利水电第五工程局有限公司，四川成都610066；3．长江勘测规划设计研究有限责任公司枢纽设计处，湖北武汉430010)摘要：针对大坝位移预测常规方法存在的问题，基于改进粒子群算法的BP神经网络(IPSO—BP)的大坝位移预测方法，通过IPSO对常规BP神经网络的权值和阈值进行优化，弥补了BP网络的不

2、足，保证了预测精度。以2011—12—21—2013—06—27观测得到的某混凝土重力坝某一典型坝段坝顶的顺河向位移值为研究对象，建立基于IPSO—BP的大坝预测模型并进行仿真分析研究。同时，为了验证该模型的拟合及预测效果，建立PSO—BP模型、利用最小二乘法求解参数的统计模型进行对比分析。上述研究结果表明，此模型预测精度优于常规模型且拟合效果好、预测结果的平均相对误差小，说明此方法有效可行。关键词：改进粒子群算法；BP神经网络；混凝土重力坝；位移；预测；仿真分析中图分类号：TV698．1l文献标志码：A文章编号：1009—64

3、0X(2014)02—0038—05随着我国坝工建设进程的加快，由于种种原因，大坝难免会存在一些安全隐患，此时对大坝观测资料的实时分析就显得尤为重要J。为了了解坝体的变形情况，通常在坝体内布置引张线、正垂线、倒垂线来观测大坝位移变化规律，并采取模型预报的方式，更好地了解坝体的运行情况。坝体一旦出现异常，可立即采取补救措施以减少不必要的损失。混凝土大坝位移受到水位、温度、时效等多种因素综合影响。由于各类因素的作用机制通常不能用精确的数学语言来准确描述，使得对混凝土大坝变形的预测成为复杂的非线性系统问题，其预测模型的建立很困难且具有

4、多样性。目前有比较成熟的混凝土坝变形统计模型，考虑了位移与水位、温度、时效的一些非线性关系，但实际工程中它们之间的关系是不确定的。为了解决这一问题引入BP神经网络，它能够识别复杂非线性系统，自适应、自组织、自学习能力强，因而在一定程度上能够克服传统预测方法在解决不确定关系问题上预测能力的不足。但标准的BP网络仍有一些不足之处，如：易陷入局部最优，对初始权值和阈值较敏感等等。近十几年提出的粒子群算法(PSO)是一种群体智能算法，具有收敛速度快、参数调整量少的优点。有学者将PSO和BP相结合，取得了一定的成果，但传统的PSO同样存在

5、易陷入局部最小点、易早熟的问题。为了提高预测的准确性，本文利用改进的粒子群(IPSO)和BP神经网络相结合的混合智能算法进行混凝土坝顶位移预测。建立基于IPSO—BP的大坝预测模型并进行仿真分析研究。同时，为了验证该模型的拟合及预测效果，建立PSO—BP模型、位移统计模型进行对比分析。1基于IPSO的BP优化模型1．1BP算法原理BP算法包括输入信号正向传播和误差逆向传播，在正向传播中，输入信号依次经过输入层、隐含层、输收稿日期：2013—08—09基金项目：国家自然科学基金面上项目(51079044)；国家“十二五”科技支撑计

6、划课题(2012BAK10B04)；水利部公益性行业科研专项经费项目(201301033)作者简介：王雪红(1989一)，女，河南濮阳人，硕士研究生，主要从事水工结构研究。E-mail：haoyaa8888@126．oom第2期王雪红，等：优化BP神经网络的位移预测模型39出层，最终得到利用训练网络训练得到的结果。如果得到的结果不能满足要求，立即进行反向传播，由输出层开始逐层计算各层神经元的输出误差，利用误差梯度下降法在误差信号最小的原则下修改各层神经元的权值和阈值。在隐含层神经元数足够多的情况下，三层BP网络可以实现任意一种复

7、杂的非线性映射。1．2PSO算法及其改进粒子群优化算法(particleswarmoptimization，PSO)是Eberhart和Kennedy于1995年提出的一种全局性优化算法]。标准PSO算法首先初始化一组随机粒子，每个微粒在各自所在空间内以一定的速度飞行，根据目标函数判断微粒位置的优劣，依据当前最优的粒子位置搜索最优解，具体步骤见文献[4]。调整粒子飞行速度时用到的惯性权重在实际应用中一般采用线性递减惯性权重策略(LDW)，即：=一—坠二——(1)：一⋯t⋯式中：和i分别为的最大值和最小值；为当前迭代步数，tmax

8、表示总迭代步数。但是采用线性递减方式不仅在运行初期影响收敛效率，在运行后期也会影响运行效率，且在运行后期，会随着的减小，造成全局搜索能力下降，易陷入局部最优。通过式(2)修改来改进标准PSO的不足。W=Wm一(Wm一W)×tanl、÷×l(2)斗，max当t较小