基于遗传算法的小波神经网络模型预测大坝变形
  • 【DOI】

    10.3969/j.issn.1672-4623.2017.07.030

  • 【摘要】

    为了提高大坝变形的预测精度,提出一种基于遗传算法的小波神经网络模型.首先通过对BP神经网络隐含层神经元的替换,弥补了网络易收敛于局部极小点的缺陷,增强了函数逼近能力,进而建立了小波神经网络大坝预测模型;再利用该模型对大坝变形训练集进行学习,并运用遗传算法选取全局最优参数.该方法充分利用了小波神经网络强大的非线性预测能力和遗传算法的全局优化搜索功能,弥补了BP神经网络存在的理论缺点.将其与小波神经网... 展开>>为了提高大坝变形的预测精度,提出一种基于遗传算法的小波神经网络模型.首先通过对BP神经网络隐含层神经元的替换,弥补了网络易收敛于局部极小点的缺陷,增强了函数逼近能力,进而建立了小波神经网络大坝预测模型;再利用该模型对大坝变形训练集进行学习,并运用遗传算法选取全局最优参数.该方法充分利用了小波神经网络强大的非线性预测能力和遗传算法的全局优化搜索功能,弥补了BP神经网络存在的理论缺点.将其与小波神经网络、BP神经网络进行比较,实验结果表明该方法具有更优的局部预测值、更高的全局预测精度,适用于复杂的大坝变形预测. 收起<<

  • 【作者】

    蒋园园  卢献健  郑中天  刘海锋 

  • 【作者单位】

    桂林理工大学 测绘地理信息学院

  • 【刊期】

    地理空间信息 ISTIC 2017年7期

  • 【关键词】

    大坝变形  小波神经网络  遗传算法  参数优化 

  • 【基金项目】

    国家自然科学基金资助项目 广西自然科学基金资助项目 广西"八桂学者"岗位专项经费资助项目 广西空间信息与测绘重点实验室基金资助项目