基于PSONN的大坝监控实时预报模型

闫 滨; 高真伟

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PSONN的大坝监控实时预报模型

基础理论与实验研究 | 更新时间：2026-06-25

- 基于PSONN的大坝监控实时预报模型
- Real-time monitoring and prediction model for dams based on particle swarm optimization neural network
- 岩土力学 2006年27卷第S2期
- 作者机构：
  
  1. 沈阳农业大学水利学院,沈阳,110161
  2. 大连理工大学土木水利学院,大连,116024
  3. 辽宁省水利厅,沈阳,110003
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU443
- 网络首发：2006-12-16，
  
  纸质出版：2006
- 稿件说明：
移动端阅览
闫滨, 高真伟. 基于PSONN的大坝监控实时预报模型[J]. 岩土力学, 2006,27(S2).

YAN Bin, GAO Zhen-wei. Real-time monitoring and prediction model for dams based on particle swarm optimization neural network[J]. 2006, 27(S2).
闫滨, 高真伟. 基于PSONN的大坝监控实时预报模型[J]. 岩土力学, 2006,27(S2). DOI：

YAN Bin, GAO Zhen-wei. Real-time monitoring and prediction model for dams based on particle swarm optimization neural network[J]. 2006, 27(S2). DOI：

摘要

将粒子群算法（PSO）引入大坝监测领域，提出一种基于粒子群神经网络（PSONN）的大坝监控预报模型。该模型充分发挥PSO的全局寻优能力和BP神经网络局部细致搜索优势，给BP神经网络提供了良好的初始权值。对逐一粒子群（SPSONN）、整体粒子群（WPSONN）、逐一BP（SBPNN）及整体BP（WBPNN）4种预报模型的对比分析表明：逐一预报模型（SPSONN和SBPNN）的预报精度明显高于对应的整体预报模型（WPSONN和WBPNN）的预报精度；与BP神经网络模型相比，PSONN模型不仅收敛速度明显加快，而且预报精度也有较大提高，尤其是SPSONN模型，其高精度和短历时性完全满足实时预报的需要，可以准确、有效地应用于大坝监测量的实时预报。

Abstract

Particle Swarm Optimization（PSO）is introduced in the field of dam monitoring

and then a new dam monitoring model based on PSO Neural Network（PSONN）is put forward. The model makes full use of the global optimization of PSO and local accurate searching of BP Neural Network（BPNN）to provide better initial weights for BPNN. Seriatim PSONN（SPSONN）model

Whole PSONN（WPSONN）model

Seriatim BPNN（SBPNN）model and Whole BPNN（WBPNN）model are compared here

the results show that the seriatim prediction models are superior to those whole models with higher forecast precision. Furthermore

the PSONN models exhibit faster convergence rate

less iterative number and better forecast precision than the BPNN ones. Especially

the SPSONN model is more efficient to satisfy the demand of real-time prediction of dam monitoring.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于BP神经网络的岩土体细观力学参数研究

垃圾填埋场稳定影响因素敏感性神经网络分析

吸力内摩擦角的确定方法研究

锦屏二级水电站岩石夹层非定常参数剪切蠕变模型及参数识别研究

应力-干湿循环联合作用下泥岩剪切特性试验研究