GRNN神经网络在坝基渗流预测中的应用  

Application of Generalized Regression Neural Network in Prediction of Dam Foundation Seepage

作　　者：陈端[1,2] 曹阳[1,2] 夏辉[3] 梅一韬[1,2] 仲云飞[1,2] 

机构地区：[1]河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098 [2]河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京210098 [3]江苏省水利勘测设计研究院有限公司,江苏扬州225009

出　　处：《人民黄河》2012年第10期118-119,123,共3页Yellow River

基　　金：水利部公益性行业科研专项(201101013);国家自然科学基金资助项目(51079086;50879024;51079046;50909041);河海大学水文水资源与水利工程科学国家重点实验室专项基金资助项目(2009586012;2009586912)

摘　　要：人工神经网络在大坝监测资料分析及预测中应用效果良好,而广义回归神经网络具有柔性网络结构、很强的非线性映射能力及高度的容错性,非常适合解决非线性问题。实例分析结果表明:与BP神经网络相比,广义回归神经网络在预测能力及学习速度上具有明显优势,且样本较少时其预测效果也较好。Artificial neural networks in dam monitoring data analysis and prediction had achieved good resuhs. The GRNN had a flexible network structure and strong nonlinear mapping ability and a high degree of fault tolerance for solving nonlinear problems. The instance results show that the GRNN have notable superiority than the BP network in the approximation ability and learning speed, and when the net has fewer samples, the prediction results will also be good.

关 键 词：广义回归神经网络 渗流预测 BP神经网络 坝基渗流 

分 类 号：TV139.11[水利工程—水力学及河流动力学]