【摘要】:针对静态模糊神经网络的局限性,提出了在线动态建模的模糊神经网络方法。当新增样本进入训练集之后,根据新样本对模型的贡献大小,在已有模型的基础上进行动态修正,这样可以减少建模的计算时间。新方法实现了增加样本而矩阵阶数不增加,避免了矩阵求逆运算,理论上可以提高计算效率。实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域。
【作者单位】:
武汉大学测绘学院 武汉大学测绘学院
【关键词】:
动态模糊神经网络 大坝变形 预报模型
【基金】:国家自然科学基金资助项目(40474003)
山东省泰山学者建设工程专项经费资助项目(TSXZ0502)
【分类号】:TV698.1
【DOI】:CNKI:SUN:DBGC.0.2007-02-018
【正文快照】:
0引言大坝安全监测工作中经常要对大坝的各种监测量进行预测,其准确性对大坝安全评估起着重要作用。目前的各种预报模型是单一的、固定系数的模型。由于大坝变形是一个非线性系统,其变形受诸多外界因素的影响,各种因素间相互关系复杂,有的还是时间的函数,采用固定权系数建立