遗传算法与神经网络在大坝安全监测中的应用研究——以小浪底大坝为例

摘要

随着我国经济持续稳定的高速发展，以开发水能资源和解决水问题而兴建的水利水电工程将越来越多。大坝安全监测是大坝安全管理工作的耳目，是降低工程风险、减少事故、揭示大坝实际工作性态的重要手段。对大坝原型监测资料的分析，是判断大坝安危的科学依据。因此对大坝监测资料做出及时、合理、有效的分析是大坝安全监控的重要工作之一。 小浪底水利枢纽是治理开发黄河的关键性工程，属国家“八五”重点项目，自蓄水运行以来，已发挥了巨大的社会和经济效益。为确保大坝安全运行，加强安全监测工作并进行原型监测资料分析十分重要。 人工神经网络和遗传算法在大坝安全监测领域各有其独特的优势，通过优势互补，本文建立了一种基于遗传算法和神经网络相结合的GA-LMBP网络的大坝安全监测预报模型，在Matlab7.1的平台上进行了编程实现。小浪底大坝是一座特大型的土石坝，相对于混凝土大坝而言，由于建造材料和建造方式的不同，土石坝的变形量较大，变形情况较为复杂，以往选用的灰色系统模型、时间序列模型等预报效果一般不够理想。本文将GA-LMBP网络的大坝安全监测预报模型应用在小浪底大坝原型监测资料的分析预报上，首先进行了大坝一维垂直方向的变形分析预报，并与经典的BP网络模型和改进的LM-BP网络模型的预报效果进行了详细的比较，发现GA-LMBP网络模型无论是在收敛速度、稳定性上，还是在预报精度上，都有着明显的优势；论文进一步进行了大坝三维的变形分析预报的探讨，同样取得了较好的预报效果。证明了GA-LMBP网络模型能很好地应用在土石坝安全监测中，为土石坝变形分析提供了一种新的预报模型。

目录

文摘

英文文摘

声明

第一章绪论

1.1前言

1.2大坝安全监测的目的及意义

1.3大坝安全监测模型的研究发展现状

1.4本文的主要研究内容及技术路线

1.4.1本文的主要研究内容

1.4.2本文研究的技术路线

第二章神经网络理论及经典BP神经网络

2.1神经网络的发展史

2.2神经网络的基本原理

2.2.1人工神经网络的基本概念

2.2.2神经元数学模型

2.2.3人工神经网络的特点

2.3 BP算法的神经网络

2.3.1 BP算法的思路

2.3.2 BP算法的数学描述

2.4 BP网络的局限性

2.5 BP网络结构及其工程应用难点分析

2.5.1隐含层数的选择

2.5.2隐含层内节点数的确定

2.5.3激活函数和训练函数的确定

2.5.4初始权值的设置

第三章BP神经网络的改进及其与遗传算法的结合

3.1改进的LM-BP神经网络

3.1.1 Gauss-Newton算法

3.1.2 Levenberg-Marquardt算法

3.2采用LM算法进行网络训练的过程

3.3神经网络在大坝监测预报中存在的问题

3.4遗传算法理论

3.4.1遗传算法的发展

3.4.2遗传算法的基本概念和操作

3.4.3遗传算法的模式定理

3.4.4遗传算法的特点

3.5遗传算法与LM-BP算法网络相结合的可行性分析

第四章小浪底大坝变形监测现状及原型资料分析

4.1小浪底水利枢纽工程概况

4.1.1工程简介

4.1.2工程设计条件

4.2小浪底大坝变形监测现状

4.2.1小浪底大坝安全监测点的总体布设

4.2.2小浪底大坝的外部变形监测概况

4.2.3小浪底大坝的外部变形监测工作现状

4.2.4小浪底大坝的现有原型资料分析

4.3问题的提出及研究思路

4.3.1问题的提出

4.3.2针对小浪底大坝变形分析的研究思路

第五章 GA-LMBP网络模型在小浪底大坝变形监测中的应用

5.1 GA-LMBP网络的大坝监测模型设计

5.1.1神经网络的编码及描述方法

5.1.2大坝变形监测的神经网络模型输入输出节点的选择

5.1.3样本数据的归一化处理

5.1.4 GA-LMBP网络的大坝监测模型的设计

5.2 GA-LMBP网络模型在小浪底大坝一维变形监测中的应用

5.2.1神经网络模型的相关设置

5.2.2遗传算法相关设置

5.2.3三种模型在小浪底大坝垂直变形监测应用结果分析

5.3 GA-LMBP网络模型在小浪底大坝三维变形监测中的应用

5.3.1小浪底大坝的监测数据预处理

5.3.2 GA-LMBP网络模型的相关设置

5.3.3 GA-LMBP网络模型的小浪底大坝三维变形监测应用结果分析

5.4本章小结

结论和展望

结论

展望

参考文献

致谢