基于改进的BP神经网络的大坝蓄水期实时预报模型

夏天倚 刘天祥 钟黎雨 陶 亮

（1.河海大学 水文水资源与水利工程科学国家重点实验室，南京 210098；2.河海大学 水资源高效利用与工程安全国家工程研究中心，南京 210098；3.河海大学 水利水电学院，南京 210098）

大坝原型监测在保证坝工安全上具有至关重要的作用.安全监测可以监视水工建筑物在初次蓄水期间以及随后长期运行工作的安全，并在施工过程中不断反馈，提高设计和施工水平［1］.目前，大坝安全监测资料分析模型主要有统计模型［2］，人工神经网络模型［3］，灰色模型［4］等单一分析模型以及多个子模型［5］组合而成的综合分析模型.神经网络由于兼具高度容错性、鲁棒性以及大规模并行处理特征［6］，被广泛应用在非线性系统的研究领域，因而特别适用于大坝监测预报研究.大坝时效位移的变化规律一定程度上反应了大坝的工作性态.时效位移突然增大或变化急剧变化即为大坝或地基病态工作的预兆［7］.而时效位移具有在初次蓄水时期剧烈变化的特点.在处理波动性较大、平稳性不足的蓄水期资料时，传统的BP神经网络模型往往预测精度不够理想.同时，由于初期蓄水时期水位的分期升高，坝体的整体性态也会有所变化，早期的观测资料并不适用于近期的拟合和预测，具有时变性和阶段性［8］.因而需要建立动态的监测模型.在传统的BP神经网络的基础上引入遗忘因子，以实现对观测资料的实时更新处理，特别针对初期蓄水情况下，分期抬……