基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。     

岩体初始应力场识别的随机方法

利用地下隧道开挖后变形收敛观测数据 ,采用最小二乘法研究了岩体初始应力场识别问题。 考虑了变形观测的随机性 ,建立了岩体初始应力场参数识别的随机方法 ,研究了变形观测的随机特性对识别结果的影响。待识别参数对目标函数的灵敏度越低 ,参数识别结果的标准差就越大 ,其可识别性越差