基于ISSA-BP神经网络的滑坡区输电铁塔状态预测模型
State prediction model of transmission tower in landslide area based on ISSA-BP neural network作者机构:三峡大学湖北省输电线路工程技术研究中心宜昌443002 三峡大学电气与新能源学院宜昌443002 云南省水利水电勘测设计研究院昆明650051
出 版 物:《电子测量技术》 (Electronic Measurement Technology)
年 卷 期:2023年第46卷第11期
页 面:74-82页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:滑坡区输电铁塔 BP神经网络 麻雀搜索算法 步长因子动态调整
摘 要:滑坡区输电铁塔基础发生位移时,会导致铁塔的最大位移及杆件所受最大应力发生变化,建立铁塔状态预测模型可得到铁塔的最大位移及杆件所受最大应力变化趋势,进而预防灾害事故的发生。提出一种改进麻雀搜索算法优化BP神经网络的预测模型,首先利用Sin混沌序列与步长因子动态调整策略对麻雀搜索算法进行优化,其次用优化后的模型对BP神经网络的权值及阈值进行参数寻优,得到预测模型。将铁塔基础在XYZ方向的位移值作为预测模型的输入量,得到铁塔最大位移值及铁塔杆件最大应力的预测值。本预测模型较BP神经网络模型相比,方根误差RSME值最高下降了63.4%,平均相对误差MAPE值最高下降了60.4%,绝对值平均绝对误差MAE值最高下降了62.6%,同时本文预测模型预测值符合真实值的变化趋势,综上本预测模型能较准确地预测输电铁塔运行状态,为其安全运行提供有力保障。