通过改进自适应PSO优化BP网络预测大坝变形

论文摘要

提出自适应粒子群神经网络（ADPPSO-BP）算法,并加入自适应变异算子,提高粒子跳出局部搜索的能力,实现对坝体位移的精准预测。以丰满大坝为例进行验证,建立PSO-BP（粒子群神经网络）、LPSO-BP（线性粒子群神经网络）、改进ADPPSO-BP（改进自适应粒子群神经网络）3种模型,对大坝进行变形预测。结果表明,ADPPSO-BP预测误差最小。

论文目录

• 1 标准粒子群优化BP网络算法
•   1.1 粒子群算法原理
•   1.2 BP算法原理
•   1.3 经典粒子群优化BP神经网络 （PSO-BP）
• 2 改进的PSO算法
•   2.1 线性粒子群算法
•   2.2 改进的自适应粒子群算法
• 3 BP网络设计
•   3.1 BP参数确定
•   3.2 BP算法流程
• 4 改进自适应PSO-BP优化神经网络
• 5 工程实例
•   5.1 BP网络训练及结果输出
•   5.2 预测仿真
• 6 结 语

文章来源

类型: 期刊论文

作者: 刘忠豹

关键词: 水平位移,预测精度

来源: 大地测量与地球动力学 2019年05期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 水利水电工程,自动化技术

单位: 山东科技大学测绘科学与工程学院

分类号: TV698;TP183

DOI: 10.14075/j.jgg.2019.05.017

页码: 528-532

总页数: 5

文件大小: 1091K

下载量: 265