-
题名基于GA-PSO-BP的大坝变形监测模型
被引量：7
- 1
-
-
作者
卢献健
罗乐
胡应剑
周斌
王雷
-
机构
桂林理工大学测绘地理信息学院
桂林理工大学广西空间信息与测绘重点实验室
广西壮族自治区地理信息测绘院
-
出处
《桂林理工大学学报》
CAS
北大核心
2020年第2期384-389,共6页
-
基金
国家自然科学基金项目(41461089)。
-
文摘
提出了一种基于GA-PSO混合优化BP神经网络的大坝变形监测模型,将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,利用GA算法的全局性和PSO算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差,提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP模型对大坝自动监测数据进行预测分析,实验结果表明GA-PSO-BP模型优化了BP神经网络的连接权值和阈值,能有效提高网络训练精度与收敛速度,有效避免早熟收敛,使模型的整体预测效果得到提高。
-
关键词
大坝变形监测
GA
PSO
BP神经网络
-
Keywords
dam deformation monitoring
GA
PSO
BP neural network
-
分类号
TV698.11
[水利工程—水利水电工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
