论文部分内容阅读
采用标准神经网络（BP）构建的大坝安全监控预报模型难以满足工程精度要求。利用滤波理论（Unscented Kalman filter，UKF），引入自适应因子，并对神经网络进行赋权训练，提出了一种自适应非线性训练神经网络的混凝土坝安全监控模型。计算实例表明，该模型计算结果相对误差较小，满足工程精度要求，提高了神经网络的学习质量、收敛效率和泛化能力，减小了神经网络学习中的陷入局限极小值的可能性。该模型可推广应用于面板堆石坝、高边坡等结构安全监控分析中。