基于PSO-BP组合模型的尾矿坝变形预测

由于尾矿坝安全管理与维护的重要性,需实时监测尾矿坝,并对观测数据建立粒子群优化BP神经网络的预测模型。首先阐述了BP神经网络的基本理论模型;然后由于在建立预测模型中BP神经网络存在一定的局限性,因此引入收敛速度快、全局寻优能力强的粒子群理论,采用粒子群算法优化BP神经网络中的训练参数;最后通过某尾矿坝的位移监测数据建立预测模型进行验证,以前24期为训练数据,后6期为预测数据,并采用GM(1,1)模型、BP神经网络模型、PSO模型与不同情况下的PSO-BP组合模型进行对比分析。实验结果表明,5种预测模型的均方根误差分别为0.357 4 mm、0.255 0 mm、0.242 4 mm、0.178 3 mm和0.244 0 mm;PSO-BP组合模型的平均绝对百分误差为8.532 6,说明PSO-BP组合模型在尾矿坝变形监测数据处理中具有较高的预测精度和拟合精度,能更好地反映尾矿坝位移趋势,具有较好的实用性。

南告水电站大坝变形监测系统的检查与评价

通过对南告水电站大坝变形监测系统中基点的稳定性分析,揭示出大坝水平位移、垂直位移监测系统中存在的问题及影响因素,同时对监测系统提出了几点建议,为今后大坝安全管理提供有益的依据。