基于微粒群算法的海堤渗压RBF神经网络监测模型

作     者：闫彭彭 黄铭 YAN Pengpeng;HUANG Ming

作者机构：合肥工业大学土木与水利工程学院安徽合肥230009 三峡库区地质灾害教育部重点实验室三峡大学湖北宜昌443000 

出 版 物：《水力发电》 (Water Power)

年 卷 期：2016年第42卷第5期

页      面：99-101,110页

学科分类：081504[工学-水利水电工程] 08[工学] 0815[工学-水利工程] 

基　　金：三峡库区地质灾害教育部重点实验室(三峡大学)开放研究基金项目(2015KDZ03) 水利部公益性行业科研专项经费资助项目(201401063-02) 

主　　题：海堤 渗压监控 径向基函数 微分进化 微粒群优化 

摘      要：为提高海堤安全监控能力,从渗压实测数据以及潮位因子和降雨因子入手,使用影响因子的合理形式,利用径向基函数(RBF)神经网络建立渗压监测模型,推导微分进化微粒群优化算法(DPSO)速度和位移进化的数值计算方程,以此确定渗压RBF神经网络模型的聚类中心,并由此对渗压进行拟合和预测。以120组实测样本对模型进行训练拟合,并对后期60组渗压进行预测,得到拟合段平均相对误差为0.83%,相应预测段为1.71%。实际应用表明,经微分进化微粒群算法优化后,渗压RBF神经网络模型可以有效反映及预测渗压变化。