基于EMD分解和ABC-RBF模型的混凝土平板坝变形监测模型

针对混凝土平板坝水平位移监测序列呈非线性以及周期性变化的特点,采用经验模态分解(EMD)的方法对混凝土平板坝水平位移监测进行分解,并采用计算信噪比最大值的方法对信号进行去噪,得到最优的去噪效果.面板坝的坝顶上下游方向水平位移主要受上下游水位、环境温度以及时效的影响,据此建立普通RBF和ABC-RBF神经网络模型,并对混凝土平板坝上下游方向水平位移进行预测,对比两种模型预测样本的均方根误差(RMSE)、平均绝对误差(MAE)以及负相关系数(R).结果表明,ABC-RBF神经网络模型预测效果较好,误差比较小,该方法为分析混凝土平板坝工作性态和安全监测及预测提供一种新的方法.

基于AFSA-RBF模型的混凝土平板坝变形监测

针对混凝土平板坝水平位移监测序列呈非线性变化的特点,采用经验模态分解(EMD)方法对混凝土平板坝水平位移监测序列进行分解,并采用计算最大信噪比的方法对信号进行去噪。面板坝的坝顶上下游方向水平位移主要受上下游水位和环境温度的影响,据此建立AFSA-RBF神经网络模型和RBF神经网络模型,对混凝土平板坝上下游方向水平位移进行预测,结果表明:AFSA-RBF模型能够很好地反映混凝土平板坝水平位移变化趋势和规律,预测结果有较高的精度,符合大坝安全监测的要求,可以在混凝土平板坝安全监测和评价中应用。

ABC-RBF神经网络在平板坝裂缝开合度监测中的应用

为提高混凝土平板坝裂缝开合度预测精度,针对混凝土平板坝裂缝开合度监测序列呈非线性以及周期性变化的特点,将基于EMD分解优化的ABC-RBF神经网络模型应用于混凝土平板坝裂缝开合度安全监测中,对比分析普通RBF和ABC-RBF神经网络模型。结果表明,ABC-RBF神经网络模型预测误差相对较小,可用于分析混凝土平板坝裂缝开合度的安全监测。