您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报(工学版)

• 论文 • 上一篇    下一篇

基于遗传神经网络的大坝变形预测模型研究

刘健1，蔡建军2，程森3   

  1. 1.山东大学土建与水利学院,山东济南250061；2.山东省路桥集团有限公司,山东济南250021；3. 山东省海河流域水利管理局,山东济南250100
  • 收稿日期:2005-04-13 修回日期:1900-01-01 出版日期:2006-04-24 发布日期:2006-04-24
  • 通讯作者: 刘健

Research on dam displacement forecast model based on genetic algorithm neural network

LIU Jian1,CAI Jian-jun2,CHENG Sen3   

  1. 1.School of Civil Engineering,Shandong University,Jinan 250061,China;2. Shandong Luqiao Group Company Limited,Jinan 250021,China; 3. Water Resources Bureau of Haihe River Basin,Jinan 250100,China
  • Received:2005-04-13 Revised:1900-01-01 Online:2006-04-24 Published:2006-04-24
  • Contact: LIU Jian

摘要： 神经网络具有自学习、修正误差的能力，遗传算法具有较强的全局随机搜索能力，两者结合可以优势互补. 在编码、选择、交叉、变异等方面对基本遗传算法进行改进，提高其效率和性能，并利用改进的遗传算法对神经网络权阈值进行学习，同时确定最佳的网络结构. 利用原型观测资料建立了大坝变形预测的遗传神经网络模型，模型具有良好的预测性能及泛化功能，为大坝安全监控提供了有力的技术支持.

关键词: 大坝, 变形, 预测, 遗传算法, 神经网络

Abstract: Genetic Algorithm(GA) neural network combines neural network's learning, errors adjusting with GA's comprehensive searching ability. Standard GA is modified in some aspects such as coding, selection, crossover and mutation in order to improve its efficiency and performance. Then it is used to calculate weight and threshold values of neural network and to determine the best network structural. By using this method, a GA neural network model is established by observation data to forecast displacement of dam. The capability and forecast precision of the model are also proved and provide useful technical support for monitoring dam safety.

Key words: displacement, forecast, genetic algorithm, neural network , dam

中图分类号: 

  • TV698
[1] 黄芳,王欣,高国海,沈玲珍,付勋,方宇. 融合主客观评价的图数据Top-k频繁模式挖掘[J]. 山东大学学报 (工学版), 2025, 55(6): 1-12.
[2] 邵孟伟,袁世飞,周宏志,王乃华. 基于BP神经网络和遗传算法的翅片管结构优化[J]. 山东大学学报 (工学版), 2025, 55(6): 76-82.
[3] 谢裕鹏,熊二刚,李思锋,刘丰玮,王尚. 预制节段拼装桥墩塑性铰性能[J]. 山东大学学报 (工学版), 2025, 55(6): 129-141.
[4] 邓彬, 张宗包, 赵文猛, 罗新航, 吴秋伟. 基于云边协同和图神经网络的电动汽车充电站负荷预测方法[J]. 山东大学学报 (工学版), 2025, 55(5): 62-69.
[5] 周群颖,隋家成,张继,王洪元. 基于自监督卷积和无参数注意力机制的工业品表面缺陷检测[J]. 山东大学学报 (工学版), 2025, 55(4): 40-47.
[6] 李光,刘健,周立志,李霄汉,吕高航,解全一. 渗流作用下土-结构接触面变形特性试验研究[J]. 山东大学学报 (工学版), 2025, 55(4): 118-126.
[7] 张国建,付连龙,张庆松,桑文刚,李建强,周鲁,付涛,刘胜震. 基于GB-RAR技术的特大跨径桥梁动态变形规律监测[J]. 山东大学学报 (工学版), 2025, 55(4): 127-137.
[8] 赵红专,张鑫,张蓓聆,展新,李文勇,袁泉,王涛,周旦. 基于改进人工势场的智能车动态安全椭圆路径规划方法[J]. 山东大学学报 (工学版), 2025, 55(3): 46-57.
[9] 薛冰冰,王勇,杨维浩,王川,于迪,王旭. 基于ETC收费数据的高速公路交通流数据修复及实时预测[J]. 山东大学学报 (工学版), 2025, 55(3): 58-71.
[10] 董明书,陈俐企,马川义,张珠皓,孙仁娟,管延华,庄培芝. 沥青路面内部裂缝雷达图像智能判识算法研究[J]. 山东大学学报 (工学版), 2025, 55(3): 72-79.
[11] 耿麒,李晓斌,黄雨枫,汪学斌,杨沐霖,郭惠川,章慧健. 基于小尺度滚刀直线切割试验的岩石强度预测[J]. 山东大学学报 (工学版), 2025, 55(3): 111-120.
[12] 贾轩,许吉凯,任艺婧,刘德才,许强,张利. 基于样本扩容和数据驱动的台区理论线损计算方法[J]. 山东大学学报 (工学版), 2025, 55(3): 158-164.
[13] 祝明,石承龙,吕潘,刘现荣,孙驰,陈建城,范宏运. 基于优化长短时记忆网络的深基坑变形预测方法及其工程应用[J]. 山东大学学报 (工学版), 2025, 55(3): 141-148.
[14] 王士柏,孙树敏,程艳,周光奇,关逸飞,刘奕元,张志谦,张祯滨. 计及SOC安全边界的光储联合系统协同控制策略[J]. 山东大学学报 (工学版), 2025, 55(2): 37-44.
[15] 银英姿,魏景涛,泽里罗布,董伟. 基于Wiener退化过程的纤维混凝土抗冻性[J]. 山东大学学报 (工学版), 2025, 55(2): 106-113.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 李 侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[2] 来翔 . 用胞映射方法讨论一类MKdV方程[J]. 山东大学学报(工学版), 2006, 36(1): 87 -92 .
[3] 余嘉元1 , 田金亭1 , 朱强忠2 . 计算智能在心理学中的应用[J]. 山东大学学报(工学版), 2009, 39(1): 1 -5 .
[4] 陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[5] 王波,王宁生 . 机电装配体拆卸序列的自动生成及组合优化[J]. 山东大学学报(工学版), 2006, 36(2): 52 -57 .
[6] 秦通,孙丰荣*,王丽梅,王庆浩,李新彩. 基于极大圆盘引导的形状插值实现三维表面重建[J]. 山东大学学报(工学版), 2010, 40(3): 1 -5 .
[7] 刘文亮,朱维红,陈涤,张泓泉. 基于雷达图像的运动目标形态检测及跟踪技术[J]. 山东大学学报(工学版), 2010, 40(3): 31 -36 .
[8] 张英,郎咏梅,赵玉晓,张鉴达,乔鹏,李善评 . 由EGSB厌氧颗粒污泥培养好氧颗粒污泥的工艺探讨[J]. 山东大学学报(工学版), 2006, 36(4): 56 -59 .
[9] Yue Khing Toh1 ， XIAO Wendong2 ， XIE Lihua1 . 基于无线传感器网络的分散目标跟踪：实际测试平台的开发应用（英文）[J]. 山东大学学报(工学版), 2009, 39(1): 50 -56 .
[10] 孙炜伟,王玉振. 考虑饱和的发电机单机无穷大系统有限增益镇定[J]. 山东大学学报(工学版), 2009, 39(1): 69 -76 .
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发