论文部分内容阅读
递阶对角神经网络（HDNN）采用动态BP学习算法，可以逼近任意非线性函数且具有收敛速度快、预报精度高的特点，因此本文将其引入到大坝安全监测领域，以水压、温度和时效为输入量，坝体位移为输出量，在此基础上运用马尔科夫链（MC）模型对预测数据进行残差计算和状态划分，确定马尔科夫链状态概率矩阵，通过马尔科夫链状态概率矩阵对HDNN模型进行反馈修正，从而提高精度。基于此建立了HDNN-MC模型并应用于某特高拱坝的变形预测。结果表明，HDNN-MC综合模型相对于单一模型，预测精度得到显著提高，能更高效准确地预测大坝变