论文部分内容阅读
基于人工神经网络并结合土石坝渗压监控物理模型,采用遗传学习算法对神经网络BP模型的初始权重进行优化,建立了土石坝渗压预测仿真BP模型,对土石坝的渗透压力及时间等特殊因素进行计算机仿真。在此基础上将这些知识信息分布于各神经元的连结点,实时显示土石坝渗透压力变化状况,为土石坝安全监测管理提供了一种理想的资料分析模式。实例应用山西省文峪河水库的历史资料进行训练、预测和计算机仿真,结果表明,该算法收敛速度较快,仿真精度较高,为土石坝安全监测系统的资料分析提供了一种新思路和新方法。在大坝安全运行和管理中,意义重大。