基于BP神经网络-加权马尔科夫模型的泄水闸水平位移预测

丁 倩，黄耀英，谢 同，李 峰,高 磊

(1.三峡大学 水利与环境学院，湖北 宜昌 443002；2.湖北汉江王甫洲水力发电有限责任公司，湖北 襄阳 430048；)

1 研究背景

大坝原型观测资料的正分析主要是建立统计模型、确定性或混合模型以及预测模型[1]。其中，变形统计模型凭借其简单有效的优势，在工程实践中得到广泛应用。如顾冲时等[2]建立了碾压混凝土坝变形安全监控模型；李海枫等[3]通过变形回归模型分析特高拱坝施工期和蓄水初期变形的主要影响因素；万智勇等[4]利用碾压混凝土坝坝体及坝基多测点变形统计模型分离出用于材料参数反演的水压分量；赵程等[5]以白鹤滩水电站坝基监测数据为例，建立了考虑体形影响的特高拱坝施工期坝基变形统计模型；朱赵辉等[6]运用稳健估计的思想，得到具有抗差性的大坝变形统计模型。但目前常用变形统计模型预报量与预报因子之间一般都是线性关系，由于实际工程问题十分复杂，预报量与预报因子之间的关系往往是非线性的，这导致常用统计模型的预测精度具有较大局限性。

随着计算技术快速发展，人工神经网络得到了广泛应用。近年来，不少研究者引入更适合处理非线性数据的人工神经网络来建立预测模型，其中，BP神经网络因其简便性，在实际工程中采用较多。如赵斌等[7]将BP神经网络模型引入到大坝安全监测数据的预报方面；苏怀智等[8]用遗传算法改进的BP神经网络建立大坝安全监控预报模型；……