PCA-GA-LM模型在水库土石坝渗流预测中的应用

缪新颖，单玉鹏，纪建伟

（1. 大连海洋大学a.信息工程学院, b.食品科学与工程学院,辽宁大连116023；2. 沈阳农业大学 信息与电气工程学院,沈阳110161）

水库大坝的安全直接关系到水库的正常使用和下游农田及农村的安全[1]。在中国现存的大坝中,土石坝居多,而在影响土石坝安全的因素中,渗流占有很大的比例[2]。因此，及时分析渗流监测数据和做出可靠的水库大坝安全预测非常重要[3]。一些统计模型[4]被用于安全评价分析和预测,在一定程度上可以揭示水库大坝效应变量与其影响因素之间的定量关系[5],然而数学模型通常是基于一些假设,如:观测值之间相互独立的,误差满足正态分布,误差的数学期望值是0等[6-7]。此外,数学模型的输入量选择不当,模型的准确性将受到很大影响[7]。

神经网络作为一种非线性优化工具[8-9],适应水库大坝渗流及其影响因素之间的非线性关系,已被许多研究者采用[10-15]。然而,传统的BP(back propagation)神经网络在收敛速度[16-18]和泛化能力[19-22]等方面存在缺陷,而且大多数神经网络结构是通过试凑法[23]确定的,耗时较长[24]。此外,神经网络影响因素确定的准确与否对预测结果至关重要[24]。Levenberg marquardt (LM)算法[25]采用Gauss-Newton 法搜索最优值,下降速度快[26],通过自适应调整网络权值,使每次迭代不再沿单一的负梯度方向进行,从而大大提高网络的收敛速度和泛化能力[5,7]。遗传算法(genetic algorithm, GA)[27]是受达尔文进化论的启发,利用编码串种群表示参数,基于一定的适应度函数,由遗传算子选择个体,通过连续的迭代与进化不断提高新种群个体的适应度,直到满足预设条件停止进化,并将适应度最高的个体作为待优化参数的最优解[7]。……