基于灰色遗传BP神经网络的大坝变形预测  

Dam deformation prediction based on grey genetic algorithm neural network

作　　者：卢献健 刘海锋[1,2] 蒋园园 梁月吉[1,2] LU Xian-jian;LIU Hai-feng;JIANG Yuan-yuan;LIANG Yue-ji(a. College of Geomatics and Geoinformatio;b. Guangxi Key Laboratory of Spatial Information and Geomatics, Guilin University of Technology, Guilin 541004, Chin)

机构地区：[1]桂林理工大学测绘地理信息学院,广西桂林541004 [2]桂林理工大学广西空间信息与测绘重点实验室,广西桂林541004

出　　处：《桂林理工大学学报》2017年第4期647-652,共6页Journal of Guilin University of Technology

基　　金：国家自然科学基金项目(41461089);广西自然科学基金项目(2014GXNSFAA118288);广西"八桂学者"岗位专项经费项目;广西空间信息与测绘重点实验室课题项目(130511407);大地测量与地球动力学国家重点实验室开放基金项目(SKLGED2014-3-8-E)

摘　　要：提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。A new algorithm based on grey genetic algorithm neural network fo r dam deformation pre dic tion is presented. First, the algorithm o f the orig in a l dam sequence is summed to weaken the impact o f the random d is-turbance factors sequence and enhance the data re g u la r ity. The grey model produces a new sequence o f residu-als. Second, genetic algorithm neural network model is established. The combination model uses the new se-quence to predict the dam deformat ion. This algorithm combines the advantages o f grey forecasting model and BP neural network, to overcome the defect o f fa l l in g in to local extreme p o in t. So the combined model has more advantages in nonl inear predict ion.

关 键 词：大坝变形 灰色模型 BP神经网络 遗传优化算法 精度评定 

分 类 号：TU196.1[建筑科学—建筑理论] P207[天文地球—测绘科学与技术]