基于进化神经网络混凝土大坝变形预测

李守巨; 刘迎曦; 刘玉静

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于进化神经网络混凝土大坝变形预测

基础理论与实验研究 | 更新时间：2026-06-25

- 基于进化神经网络混凝土大坝变形预测
- Dam deformation forecasting by evolving artificial neural network
- 岩土力学 2003年24卷第4期
- 作者机构：
  
  1. 大连理工大学工业装备结构分析国家重点实验室,大连,116024
  2. 长春工业大学基础科学系,长春,130012
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU454
- 网络首发：2014-08-19，
  
  纸质出版：2003
- 稿件说明：
移动端阅览
李守巨, 刘迎曦, 刘玉静. 基于进化神经网络混凝土大坝变形预测[J]. 岩土力学, 2003,24(4).

LI Shou-ju, LIU Ying-xi, LIU Yu-jing. Dam deformation forecasting by evolving artificial neural network[J]. 2003, 24(4).
李守巨, 刘迎曦, 刘玉静. 基于进化神经网络混凝土大坝变形预测[J]. 岩土力学, 2003,24(4). DOI：

LI Shou-ju, LIU Ying-xi, LIU Yu-jing. Dam deformation forecasting by evolving artificial neural network[J]. 2003, 24(4). DOI：

摘要

根据丰满大坝多年变形观测数据，建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比，采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明，所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比，可以显著提高大坝变形预报精度。

Abstract

Based on the measured data of Fengman dam deformations for many years

the artificial neural network evolved by a genetic algorithm was adopted for forecasting the dam deformation. The shortcomings of the traditional BP artificial neural network lie in the slowness in the convergence rate and the weakness in the generalization ability. Compared with the popular multi-factor regression model and BP artificial neural network

the forecasting model based on artificial neural network evolved by a genetic algorithm had the characteristics of accurately forecasting and global convergence. The practical application to Fengman concrete dam shows that

compared with a commonly used statistical method

the forecasting method proposed can obviously enhance the forecasting precision of dam deformation.

关键词

Keywords

references

浏览量

1522

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

智能预测在三峡永久船闸中隔墩时效变形分析中的应用

基于遗传神经网络的渗流实时预报方法研究

大坝变形监测遗传神经网络模型

地震作用下边坡安全系数时程计算及参数研究

基坑土钉支护可靠性分析优化算法