10.3969/j.issn.2095-2783.2014.11.010
HDNN-MC模型在特高拱坝变形预测中的应用
递阶对角神经网络（HDNN）采用动态BP学习算法，可以逼近任意非线性函数且具有收敛速度快、预报精度高的特点，因此本文将其引入到大坝安全监测领域，以水压、温度和时效为输入量，坝体位移为输出量，在此基础上运用马尔科夫链（MC）模型对预测数据进行残差计算和状态划分，确定马尔科夫链状态概率矩阵，通过马尔科夫链状态概率矩阵对HDNN模型进行反馈修正，从而提高精度。基于此建立了HDNN-MC模型并应用于某特高拱坝的变形预测。结果表明，HDNN-MC综合模型相对于单一模型，预测精度得到显著提高，能更高效准确地预测大坝变形。
马尔科夫链模型、递阶对角神经网络、变形预测、特高拱坝
TV698.1(水利枢纽、水工建筑物)
国家自然科学基金资助项目51279052；新世纪优秀人才支持计划资助项目NCET-11-0628，NCET-10-0359；高等学校博士学科点专项科研基金资助项目20120094110005；中央高校基本科研业务费专项资金资助项目2012B07214；南京水科院开放流动研究基金资助项目Y714010
2014-12-26（万方平台首次上网日期，不代表论文的发表时间）
共4页
1258-1261
