[1]张鑫,王冬利,李琦,等.基于改进粒子群算法的坝体位移监控模型[J].水利与建筑工程学报,2012,(01):155-159.
点击复制

基于改进粒子群算法的坝体位移监控模型()
分享到：

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2012年01期
页码:
155-159
栏目:
出版日期:
2012-02-22

文章信息/Info

作者:
张鑫1; 王冬利2; 李琦1; 白淑娟3
1.河海大学 水利水电学院，江苏 南京 210098；2.长沙水利水电职业技术学院，湖南 长沙 410131；3.杭州萧山水利建筑工程有限公司，浙江 杭州 311215
关键词:
改进粒子群算法; 坝体位移; 安全监控模型; 新安江大坝
分类号:
TV64
文献标志码:
A
摘要:
在基本粒子群算法的基础上,提出了一种基于以e为底的指数函数的惯性权重策略的改进粒子群算法?将粒子群算法引入大坝安全监控领域,并结合坝体位移的多元回归统计模型,建立基于改进粒子群算法的大坝安全监控模型,并应用于新安江大坝的安全监测?实际应用表明,改进粒子群算法与最小二乘法?基本粒子群算法相比,预报结果精度较高且收敛速度较快?

参考文献/References:

[1] 樊琨.基于人工神经网络的大坝位移预测[J].长江科学院院报,1998,15(5):45-48.
[2] 赵斌,吴中如,张爱玲.BP模型在大坝安全监测预报中的应用[J].大坝观测与土工测试,1999,23(6):1-4.
[3] 徐洪钟,胡群革,吴中如.自适应模糊神经网络在大坝安全监控中的应用[J].河海大学学报,2001,29(2):8-10.
[4] 司春棣,练继建,郑杨.土石坝渗流安全监测的遗传支持向量机方法[J].水利学报,2007,38(11):1341-1346.
[5] Kennedy J, Eberhart R C. Particle Swarm Optimization[C]//Proceedings of IEEE International Conference/Neural Networks. Piscataway, NJ: IEEE Service Center, 1995:1942-1948.
[6] 曾建潮,介婧,崔志华.微粒群算法[M].北京:科学出版社,2004.
[7] 李丽,牛奔.粒子群优化算法[M].北京:冶金工业出版社,2009:25-70.
[8] Shi Y, Eberhart R C. A Modified Particle Swarm Optimizer[C]//Proceedings of IEEE International Conference/Evolutionary Computation. USA:Anchorage,1998:69-73.
[9] 吴中如.水工建筑物安全监控理论及其应用[M].北京:高等教育出版社,2003.
[10] 顾冲时,吴中如.大坝与坝基安全监控理论和方法及其应用[M].南京:河海大学出版社,2006.
[11] 王伟,沈振中,王连庆.基于粒子群仿生算法的混凝土坝变形预报模型[J].水利水电科技进展,2008,28(4):3-4.

相似文献/References:

[1]贾家银,刘宇豪,李晓军,等.基于改进ＰＳＯ-ＢＰ神经网络的浅埋隧道围岩变形时序预测研究[J].水利与建筑工程学报,2021,(05):19.[doi:10.3969/j.issn.1672-1155.2021.05.005]

备注/Memo

备注/Memo:
收稿日期:2011-11-02 修稿日期:2011-12-03 作者简介:张鑫(1986—),男(汉族),河南三门峡人,硕士研究生,主要从事工程渗流及地下水研究?
更新日期/Last Update: 2012-02-22