论文部分内容阅读
基于组合预测思想，结合 BP 神经网络和马尔科夫链2种预测方法，构建了一种新维 BP 神经网络－马尔科夫链大坝沉降预测模型。通过对训练样本的学习，利用新维改进的 BP 神经网络算法实现了对沉降位移时间序列的滚动预测。在此基础上，借助马尔科夫链模型对其随机扰动误差进行修正，有效地提高了预测结果的精度。将构建的组合模型应用于长洲大坝船闸控制楼沉降位移时序预测中，研究结果表明该模型预测精度较高、可靠性好，提高了模型的中长期预测能力，为大坝沉降预测提供了一种有效的新方法。