论文部分内容阅读
本文结合国家863计划项目“空间数据挖掘的神经网络技术研究”(No.2007AA122228)展开研究。对大坝安全监测资料进行分析是掌握大坝运行状态的重要手段，是判断大坝安危的科学依据。大坝安全监测数据量已达海量状态。采用常规方法进行变形分析，其繁琐的建模和中间计算过程又将产生大量的数据。应用空间数据挖掘技术直接从海量原始数据中“挖掘”出结果，建立一个输入原始观测数据即能输出变形分析结果的特殊模型，就可以免去大量复杂的中间计算，节省大量人力物力，具有重大的工程应用价值。
本文将空间数据挖掘技术中的一种技术--BP神经网络技术引入大坝变形分析领域，进行大坝变形分析工作。主要内容包括：
(1)阐述BP神经网络的建模原理，针对传统BP模型的缺点做了优化改进，改进后的模型具有较好预测能力；
(2)将改进的BP神经网络应用于大坝弹性模量反演分析，提出了BP神经网络反演大坝弹模的方法，结合某大坝工程实例，以有限元计算和统计模型分析为基础，进行了工程实例分析，验证了BP神经网络反演大坝弹性模量结果可靠；
(3)将改进的BP神经网络应用于大坝安全综合评价，构建了大坝安全评价的BP神经网络模型，创新的提出了安全度值的概念，并推导了安全度值计算公式，使BP神经网络应用于大坝安全综合评价成为可能。
(4)在BP神经网络学习样本生成过程中，提出一种实现大坝安全度评价的新方法。应用该方法，结合某大坝工程实例，计算得到足够的神经网络学习样本，样本结果与工程实际相符。采用该学习样本建立的BP模型对大坝安全度值进行预测，预测精度较高，表明BP神经网络方法能有效的应用于大坝安全综合评价领域。