关闭

关闭

封号提示

内容

首页 【doc】基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型.doc

【doc】基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型.doc

【doc】基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模…

上传者: 撩人你的笑容温暖着俄的心房 2017-11-11 评分 3 0 43 6 196 暂无简介 简介 举报

简介:本文档为《【doc】基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型doc》,可适用于高等教育领域,主题内容包含【doc】基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型水利水电技术第卷年第期基于带有符等。

【doc】基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型水利水电技术第卷年第期基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型刘健,练继建(天津大学建筑工程学院,天津山东大学土建与水利学院,山东济南)【摘要】利用带有偏差单元的递归神经网络对BP网络进行改进,提高学习效率和泛化能力建立了基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型,其预报精度优于常规的统计模型,为大坝安全监控提供了一条有效的思路和方法【关键词】安全监控偏差单元递归神经网络李家峡拱坝中图分类号:TV()文献标识码:A文章编号:()SafetymonitoringmodelofLijiaxiaArchDambasedonrecurrentneuralnetworkwithbiasdementsLIUJian,LIANJijian(SchoolofCivilEngineering,TianjinUniversity,Tianjin,ChinaSchoolofCivilEngineering,ShandongUniversity,Jinan,Shandong,China)Abstract:RecurrentNetworkwithbiaselementsisappliedtoimprovelearningefficiencyandcapabilityofBackPropagationNetworkSafetymonitoringmodelofLijiaxiaArchDambasedonRecurrentNetworkwithbiaselementsisestablished,itspredictionprecisionisbetterthanconventionalstatisticalmodeItisanewwaytomonitorthesafetyofdamKeywords:safetymonitoringbiaselementrecurrentneuralnetworkLijiaxiaArchDam李家峡水力发电厂位于青海省尖扎县与化隆县交界处,黄河干流上游,距青海省西宁市直线距离约km电站总装机容量为MW,分二期建设(OOMWXMWX)李家峡大坝为混凝土三圆心双曲拱坝,坝高m,水库总容量为亿m电站以发电为主,兼有灌溉等综合效益,是我国首次采用双排机组布置的水电站对大坝运行期间的安全性进行评估和监控,一般情况下往往通过观测资料建立数学模型…(统计模型,混合模型,确定性模型等),对大坝的实际工作状态进行分析这些数学模型简单易行,但存在着非线性映射不强等问题,不能充分反映大坝观测数据序列中的非线性特征而人工神经网络具有强大的自学习和修正误差能力及能够逼近任何非线性系统(理论上)的特点,为大坝安全监控提供了一条有效的思路和方法本文利用带有偏差单元的递归神经网络建立李家峡拱坝的安全监控模型,对大坝的变形性态进行预测,分析带有偏差单元的递归神经网络基本原理带有偏差单元的递归神经网络是在BP网络的基础上,加入反馈信号及偏差单元,增加网络本身处理动态信息的能力,利用网络的内部状态反馈来描述系统的非线性动力学行为由于这一网络结构的特点,尤其是其在学习过程中便于引入经验知识(在偏差的选择上,可以采用模糊知识概念),大大提高了学习速度同时,网络的隐层节点输出和输入之间有一个延时的反馈,能够储存过去的输入输出信息,它不仅可以学习空间序列模型,还可以学习时间序列模型因此带有偏差单元的递归神经网络能够反映大坝观测数据序列中的非线性特征,还可以满足大坝实时监控和在线分析处理的要求带有偏差单元的递归神经网络由三层节点构成:输入层节点,隐层节点和输出层节点,两个偏差节点分别被加在隐层和输出层上,隐层节点不仅接收来自输入层的信号,还接收隐层节点自身的一步延时输出信号,称为关联节点(见图)收稿日期:作者简介:刘健(一),男,山东梁山人,山东大学讲师,天津大学博士研究生WaterResourcesandHydropou~EngineeringVoNo计算节点关联节点口萎擎输入单元图带有偏差单元的递归神经网络结构设Nil和M分别为隐层节点数和输入层节点数,,I(k)是带有偏差单元的递归神经网络在时间k的第个输入,xj(k)是第个隐层节点的输出,Y(k)是网络的输出向量,则带有偏差单元的递归神经网络可由下列数学公式描述NH,Y(七)=:g(乏wo~xj(七)一,WOb)l()st(k))()l删M【(后)=WR(k一)„(k)一or式中,),g()分别为隐层节点和输出层节点的网络响应函数,分别取为Sigmoid函数和线性函数WI,WR,WO分别为从输入层到隐层,回归信号及从隐层到输出层的权系数,分别为输出层和隐层各单元的阈值WIb,WO分别为加在隐层和输出层上的偏差单元的权系数由式()可以看出,隐层节点的输出可以视为动态系统的状态,递归神经网络是非线性动态系统的状态空间表示误差逆传播学习由于带有偏差单元的递归神经网络与BP网络相近,均为有监督学习,只是增加了关联节点和偏差单元,因此在考虑带有偏差单元的递归神经网络的权系数调整规则时,可以借鉴BP算法,使误差沿梯度方向下降为了减少由于新的输入的引进带来的网络训练误差的迅速增大,采用规则化调整的方法调整网络的性能函数以提高网络的泛化能力一般网络的性能函数可表示为nnF=†(e)=†(y)()Lll=l式中,e,t,分别表示第i个训练样本的训练误差,目标输出和网络输出规则化调整后的网络性能函数可表示为,月,n户=(e)(),=,J=式中,A为性能参数,,为网络权值可以采用MATLAB神经网络工具箱中的Trainbr函数自动设置最优性能参数A该函数使用了Bayesian框架结构,假设网络的权值和阈值是特殊分布的随机变量,然后用统计学的方法估计出A的值水利水电技术第卷年第期刘健,等基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型通过误差逆传播学习,当网络的全局误差小于预先设定的一个极小值时,即可结束学习此时向训练过的网络输入样本参数,计算网络的实际输出值,从而实现网络的函数逼近,模式识别,故障诊断等功能以上功能可通过参考MATLAB神经网络工具箱结合自编的M文件实现基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型输入输出的选择按其成因,大坝任意一点的变形可由水压分量,温度分量和时效分量三个部分组成,即…=r日()式中,为位移,,,分别为水压,温度和时效分量李家峡水电站于年月日下闸蓄水,大坝位移监控的垂线监测数据序列也于年月日开始,当时坝前水位为OOnl,其间库水位经历了次抬升过程,现在基本稳定在正常蓄水位m左右因此,综合各种因素,输入向量中选择以下个参数:()水位分量中,选择水位H=Hi一,其中为坝前日平均水位,为基准水位Om()温度分量中,考虑气温对坝体位移存在一到两个月的滞后影响,选取,,分别为坝址处前d,前d,前d的大气平均气温()时效分量中,选择=tllO,即时效为观测日与大坝蓄水日之间的间隔天数除以对网络进行训练时,以坝体垂线实测位移作为目标输出向量输入输出数据的处理由于输入向量中有些元素(如,,)是具有相关性的,因此须对输入数据进行正交化处理以提高运算结果的精度即:()将输入向量和目标输出向量量化为零均值和偏差为的标准向量()将输入向量正交化,在此过程中,还可以寻找输入向量中的主要元素,并将对目标输出向量贡献较小的非显着因子剔除以减少输入向量的维数,提高学习效率()用处理后的输入向量和目标输出向量对网络进行训练()量化新的输入样本,仿真网络的输出()将网络输出还原为最初目标输出所使用的单位以上过程可利用MATLAB神经网络工具箱提供的数据前,后处理函数来实现神经网络安全监控模型通过对输入,输出数据的典型性和遍历性及今后水库运行水位变化情况的分析,选取年月至年月期间与各稳定库水位对应的组数据作为目标输入,输出数据经正交化处理后对网络进行训练,建立李家峡大坝拱冠坝段坝顶m高程的顺河向位移安全监控模型,将网络输出结果与用相同数据建立的统计模型输出结果及垂线实测值进行比较,结果见图从图可见,基于偏差单元的递归神经网络模型的输出值对垂线实测值的拟合较好,优于常用的统计模型为量化训练结果,利用线性回归的方法分析网络输出与目标输出的关系,进一步对网络训练结果进行了分析,如图所示,当网络输出与目标输出完全相同时,回归曲线的斜率m=截距b=,网刘健,等基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型趟*厦窿氍图坝段Om高程顺河向位移安全监控模型输出值络输出与目标输出的相关系数R=李家峡大坝坝段Om高程的顺河向位移安全监控神经网络模型经训练后,线性回归的拟合曲线方程中斜率m:,截距b=X,,网络输出与目标输出的相关系数R=图中线性回归的拟合曲线与理想回归曲线(网络输出等于目标输出的直线)几乎完全重合,说明网络具有非常好的性能丑辞琥匮图网络训练结果分析神经网络模型的校核一般的安全监控模型往往对回归数据拟合较好,而实际预测能力有时并不特别理想为了评价基于偏差单元的递归神经网络模型的实际预测能力,选择组检验样本对网络输出进行校核,并将网络输出结果与用相同数据建立的统计模型输出结果及垂线实测值进行比较(见图)由图可见,神经网络模型的输出值对垂线实测值的拟合较好,最大相对误差为,明显优于常用的统计模型趟厦庭氍图神经网络模型校核输出值结论本文的研究结果表明:()带有偏差单元的递归神经网络通过对BP网络的改进,提高了网络的学习效率和泛化能力,能够反映大坝观测数据序列中的非线性特征()基于偏差单元的递归神经网络模型用于大坝安全监控是可行的,其预报精度优于常规的统计模型()对于大坝实时监控和在线分析处理还需作进一步的分析研究同时,在网络结构的最优化方面还可以做一些工作,可作为今后研究的另一个方向参考文献:吴中如水工建筑物安全监控理论及其应用M北京:高等教育出版社闻新,周露,李翔,等MATLAB神经网络仿真与应用M北京:科学出版社杨行峻,郑君里人工神经网络与盲信号处理M北京:清华大学出版社(责任编辑陈小敏)一”,”简讯“辽宁省区域水资源实时监控管理系统研究与示范”项目成果通过鉴定水利部国际合作与科技司于年月El在沈阳主持召开了”辽宁省区域水资源实时监控管理系统研究与示范”项目成果鉴定验收会议该项目是由中国水利水电科学研究院和辽宁省水利厅联合承担的水利部科技创新重点项目项目以辽宁中部区域水资源实时监控为研究对象,针对水资源实时监控管理的关键技术问题和配套政策法规进行深入研究,形成了比较完善的面向生态环境的水资源实时监控管理技术理论体系和面向水资源实时监控管理的水法规立法框架,并以此为基础研究和建成了(北京)玉渊潭水资源实时监控系统实验室和(辽宁)太子河流域水资源实时监控管理系统,并发表学术论文篇,出版专着部会议认为项目成果达到国际先进水平(摘自”中国水利科技网”年月日)水利水电技术第卷年第期

类似资料

该用户的其他资料

佛山音乐工房本田杰德改装美国霸克音响.doc

O2O论坛-节奏平衡术.doc

给小猫取名.doc

光疗和光化学疗法的一般原则.doc

风火广告29条创作军规——报纸广告印刷规范守则.doc.doc

职业精品

精彩专题

上传我的资料

精选资料

热门资料排行换一换

  • 范式的消逝:国家理论再思考.pdf

  • 【劳特里奇应用语言学】翻译.pdf

  • 《古代中国社会与文化十讲》.pdf

  • [哲学]巴曼尼得斯篇.pdf

  • 【情境中的文本】马基雅弗利和帝国…

  • 耶稣的禅意:觉醒的对话(全).d…

  • 魔方教程.doc

  • 【齐泽克研究】齐泽克:批判性导读…

  • 秦始皇本纪.ppt

  • 资料评价:

    / 10
    所需积分:0 立即下载

    意见
    反馈

    返回
    顶部