论文部分内容阅读
本文主要研究内容是大坝安全监控的模糊神经网络模型,全文分六章,各章的主要内容如下:第一章以几起大坝失事导引出了大坝安全监测的重要性,描述了大坝安全监测的目的与意义.总结了国内外大坝变形分析及预报的(模糊)神经方法的研究现状,提出了本文研究的主要目的和内容.第二章回顾了目前大坝监控常用的模型,主要描述了统计模型、确定性模型、混合模型、神经网络专家系统模型.对于常用的统计模型,列举了两个范例来说明其方法及使用效果,其中一个范例是采用环境量(如温度、水库水位)作自变量,位移作效应量的统计模型,另一个是采用效应量(历史位移)本身作为自变量,即时间序列方法建立的统计模型,说明了两种方法的应用范围及优缺点.第三章主要论述了大坝监控的神经网络模型.先是对生物模型进行了研究,如神经元的生物学解剖及其信息处理与传递方式,脑记忆生理机制等.再描述了人工神经网络的优点、应用范围、神经元的数学模型及其激活转移函数,提出了一种新型的非线性神经元模型PN型,它具有敏感区间宽、映射能力强、应用领域广的优点.描述了人工神经网络的结构及功能,典型的神经网络模型及学习算法如BP学习算法、Levenberg Marquardt算法,该章最后举例说明神经网络在大坝安全监控中的应用,雷同于统计模型,其中一个范例是采用环境量(如温度、水位)作为自变量,位移作为效应量的神经网络模型,另一个采用效应量(历史位移)本身作为自变量的神经网络模型,在该模型中,对多余权值进行了删除尝试.两个范例结果表明了神经网络模型可以成功地应用于大坝变形分析及预报.该章还描述了神经网络的预报应用范围,预测误差的自相关系数定义与求法,提出了统计模型只是神经网络模型特例的观念.第四章是模糊神经网络模型在大坝变形分析预报中应用研究.首先回顾了模糊神经网络的历史发展状况,描述了模糊系统与神经网络的相同特性与不同特性,以及两者结合的必然性与优势所在.再描述了模糊神经网络的结构,列举了当前提出的模糊神经网络学习算法如梯度下降算法、混合学习算法、遗传算法、TPH算法.然后提出了模糊神经网络的FNN-LM学习算法,提出了模糊规则组合爆炸问题的解决方法、FNN-LM算法的过程与步骤,并用MATLAB 6.5版编制该算法的通用程序.举例说明了FNN-LM算法的可行性、有效性和稳健性.通过设计一个专用模型测试了模糊神经网络的泛化能力与训练次数关系.第五章描述了东江大坝的概况、安全监测的现状,并以东江大坝水平位移垂线观测位移数据为依据,编制了各种建模方法的实现程序,通过列举多个实例,说明了各种模型的优缺点,精度分析比较认为模糊神经网络模型稍优于统计模型和神经网络模型,表明了模糊神经网络模型是一种稳健的有效的高精度的大坝安全监控模型.第六章对全文的主要研究成果进行了总结,并提出了今后有待进一步深入研究的问题.