本文主要研究内容
作者董丹丹,祖安君,孙雪莲（2019）在《基于GACO-BP-MC的大坝变形监控模型》一文中研究指出：建立相应的安全监控模型来分析大坝变形监测资料对保障大坝服役安全意义重大。BP神经网络模型在此方面得到了广泛应用,但采用蚁群算法(ACO)对BP神经网络参数寻优时存在因初期搜索完全随机导致收敛速度慢的问题。将具有快速随机的全局搜索能力的遗传算法(GA)引入蚁群算法中,利用遗传算法指导生成初始信息素分布,再由蚁群算法正反馈寻得最优解来训练BP神经网络,从而得到大坝变形预测值,2种算法优势互补,缩短了蚁群算法的搜索时间并避免陷入局部最优点。在此基础上,为进一步提高预测精度,采用马尔科夫链(MC)对预测结果进行改进,由此建立了应用于大坝变形监控的GACO-BP-MC模型。工程实例分析表明,该模型在参数优化方面具有较快的寻优速率,且具有较高的拟合和预报能力。
Abstract
jian li xiang ying de an quan jian kong mo xing lai fen xi da ba bian xing jian ce zi liao dui bao zhang da ba fu yi an quan yi yi chong da 。BPshen jing wang lao mo xing zai ci fang mian de dao le an fan ying yong ,dan cai yong yi qun suan fa (ACO)dui BPshen jing wang lao can shu xun you shi cun zai yin chu ji sou suo wan quan sui ji dao zhi shou lian su du man de wen ti 。jiang ju you kuai su sui ji de quan ju sou suo neng li de wei chuan suan fa (GA)yin ru yi qun suan fa zhong ,li yong wei chuan suan fa zhi dao sheng cheng chu shi xin xi su fen bu ,zai you yi qun suan fa zheng fan kui xun de zui you jie lai xun lian BPshen jing wang lao ,cong er de dao da ba bian xing yu ce zhi ,2chong suan fa you shi hu bu ,su duan le yi qun suan fa de sou suo shi jian bing bi mian xian ru ju bu zui you dian 。zai ci ji chu shang ,wei jin yi bu di gao yu ce jing du ,cai yong ma er ke fu lian (MC)dui yu ce jie guo jin hang gai jin ,you ci jian li le ying yong yu da ba bian xing jian kong de GACO-BP-MCmo xing 。gong cheng shi li fen xi biao ming ,gai mo xing zai can shu you hua fang mian ju you jiao kuai de xun you su lv ,ju ju you jiao gao de ni ge he yu bao neng li 。
论文参考文献
论文详细介绍
论文作者分别是来自长江科学院院报的董丹丹,祖安君,孙雪莲，发表于刊物长江科学院院报2019年07期论文，是一篇关于监控模型论文,大坝变形论文,蚁群算法论文,神经网络论文,遗传算法论文,马尔科夫链论文,预测精度论文,长江科学院院报2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自长江科学院院报2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：监控模型论文; 大坝变形论文; 蚁群算法论文; 神经网络论文; 遗传算法论文; 马尔科夫链论文; 预测精度论文; 长江科学院院报2019年07期论文;