简介概要

基于GA-PSO-BP的大坝变形监测模型

来源期刊:桂林理工大学学报2020年第2期

论文作者:卢献健 罗乐 胡应剑 周斌 王雷

文章页码:384 - 389

关键词:大坝变形监测;GA;PSO;BP神经网络;

摘    要: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。

详情信息展示

基于GA-PSO-BP的大坝变形监测模型

卢献健1,2,罗乐1,2,胡应剑3,周斌1,2,王雷1,2

1. 桂林理工大学测绘地理信息学院2. 桂林理工大学广西空间信息与测绘重点实验室3. 广西壮族自治区地理信息测绘院

摘 要: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;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号