摘要
针对大坝变形时间序列的非线性及形变值累计特性,引入NARX神经网络进行分析并实现变形预测.首先,NARX神经网络通过非线性自回归网络与外源输入相结合,较好地解决了传统BP神经网络存在的收敛速度慢和易陷入局部极值等问题;其次,建立基于NARX神经网络的大坝变形预测模型,对原始数据预处理后采用周期为输入序列、变形值为输出序列训练模型;最后,以官地水电站大坝监测序列为例验证NARX神经网络模型预测性能.结果表明,在MSE、MAPE及RMSE三项精度指标测算中,BP神经网络分别为5.10 mm2、30％、3.31 mm,而NARX神经网络分别为0.78 mm2、12％、2.21 mm,均小于BP神经网络的,说明了 NARX神经网络模型具有更高的预测精度.此外,NARX神经网络预测模型收敛时间为0.36 s,收敛速度较BP神经网络有较大提升.
国家科技期刊平台
NSTL
维普
万方数据