亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于神經(jīng)網(wǎng)絡(luò)-馬爾科夫鏈的大壩變形預(yù)測(cè)

        2016-03-25 08:40:02
        山東水利 2016年1期
        關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò)

        郭 杰

        (臨沂市南水北調(diào)中水截蓄導(dǎo)用工程管理處,山東臨沂276000)

        ?

        基于神經(jīng)網(wǎng)絡(luò)-馬爾科夫鏈的大壩變形預(yù)測(cè)

        郭杰

        (臨沂市南水北調(diào)中水截蓄導(dǎo)用工程管理處,山東臨沂276000)

        【摘要】在分析BP神經(jīng)網(wǎng)絡(luò)模型擬合原始數(shù)據(jù)的基礎(chǔ)上,運(yùn)用馬爾科夫鏈對(duì)原始數(shù)據(jù)和時(shí)間序列處理后的擬合值之間的誤差進(jìn)行修正,以提高單一時(shí)間序列模型對(duì)大壩變形預(yù)測(cè)的精度。理論計(jì)算證明,此方法具有可行性與有效性,在以后工程實(shí)踐中具有一定的推廣意義。

        【關(guān)鍵詞】大壩安全監(jiān)測(cè);BP神經(jīng)網(wǎng)絡(luò);馬爾科夫鏈;變形預(yù)測(cè)

        位移是大壩工程變形過(guò)程中表現(xiàn)出的重要特征,通過(guò)監(jiān)測(cè)大壩位移的變化,可以及時(shí)了解大壩的安全狀態(tài),從而可以采取適當(dāng)?shù)挠行Т胧﹣?lái)防護(hù)工程。因此,對(duì)大壩未來(lái)變形發(fā)展的趨勢(shì)進(jìn)行有效合理的預(yù)測(cè),可以及時(shí)掌握大壩工程的內(nèi)在變化規(guī)律,對(duì)于指導(dǎo)以后工作具有重要意義。目前,用于位移序列演化特征的建模方法主要有多項(xiàng)式回歸,支持向量機(jī),遺傳算法等。雖然BP神經(jīng)網(wǎng)絡(luò)方法可以近似找到自變量與因變量的關(guān)系,但模型需要較多原始數(shù)據(jù),計(jì)算量繁重,并且計(jì)算結(jié)果穩(wěn)定性差,使預(yù)測(cè)難度加大。本文在BP神經(jīng)網(wǎng)絡(luò)擬合原型觀測(cè)數(shù)據(jù)的基礎(chǔ)上引進(jìn)馬爾科夫鏈,從而對(duì)BP神經(jīng)網(wǎng)絡(luò)擬合值與原始值的誤差進(jìn)行修正,提高了精度,更加有效預(yù)測(cè)未來(lái)測(cè)點(diǎn)的物理量。

        1 BP神經(jīng)網(wǎng)絡(luò)計(jì)算原理

        BP神經(jīng)網(wǎng)絡(luò)是一種模擬生物界神經(jīng)系統(tǒng)處理信息的人工智能算法,主要構(gòu)造分為3層:輸入層、隱藏層及輸出層。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程主要由信息的正向傳播和誤差反向傳播組成,信息的正向傳播主要是由輸入樣本→輸入層→隱含層加工處理→輸出結(jié)果這4步完成。當(dāng)由BP神經(jīng)網(wǎng)絡(luò)得到擬合值后,就可以根據(jù)擬合值與實(shí)際值之間的誤差來(lái)進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的反向傳播,即誤差反向輸入→隱含層加工處理→輸入層。通過(guò)誤差反向傳播,可以將誤差均勻地分?jǐn)偨o各個(gè)單元,從而對(duì)每個(gè)單元進(jìn)行權(quán)重修定。

        BP神經(jīng)網(wǎng)絡(luò)模型作為一個(gè)整體系統(tǒng),主要由以下幾部分構(gòu)成:輸入輸出函數(shù)、作用函數(shù)、誤差計(jì)算函數(shù)及自學(xué)習(xí)模型。

        1)輸入輸出函數(shù)。

        隱含層輸出函數(shù):Oj=f(ΣWij×Xj-qj)(1)

        式中:f為非線性作用函數(shù);q為輸入層神經(jīng)元;i=1,2,…n;j=1,2,…p;Wi j為輸入層與隱含層之間的權(quán)值;Xj為輸入層的輸出值。

        輸出層輸出函數(shù):Yk=f(ΣTjk×Oj-qk)(2)

        式中:f為非線性作用函數(shù);q為輸出層神經(jīng)元;k=1,2,…q;j=1,2,…p;Wj k為輸入層與隱含層之間的權(quán)值;Oj為隱含層輸出值。

        2)作用函數(shù)。又稱(chēng)刺激函數(shù),反映了下層對(duì)上層節(jié)點(diǎn)的刺激程度,即:

        f(x)=1/(1+e-x)(3)

        3)誤差計(jì)算函數(shù)。主要反映了輸入層的輸入值與輸出層的輸出值之間誤差大?。?/p>

        Ep=(Σtpi-Opi)/2(4)

        式中:tp i為i節(jié)點(diǎn)的期望輸出值;Op i為節(jié)點(diǎn)計(jì)算輸出值。

        4)自學(xué)習(xí)函數(shù)。網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)過(guò)程主要是對(duì)權(quán)重的不斷設(shè)定及誤差不斷修正的過(guò)程。

        ΔWij(n+1)=h×Φi×Oj+a×ΔWij(n)(5)

        式中:H為學(xué)習(xí)因子;Φi為輸出節(jié)點(diǎn)i的計(jì)算誤差;Oj為輸出節(jié)點(diǎn)j的計(jì)算輸出;a為動(dòng)量因子。

        2 馬爾科夫鏈的理論和方法

        當(dāng)一種方法對(duì)原始數(shù)據(jù)處理后,在原始數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)之間存在一定的誤差,在對(duì)未來(lái)數(shù)據(jù)預(yù)測(cè)時(shí)往往會(huì)使結(jié)果不準(zhǔn)確。此時(shí)馬爾科夫就顯示出其優(yōu)越性。他將原始數(shù)據(jù)和擬合數(shù)據(jù)之間的誤差分成若干個(gè)狀態(tài),然后對(duì)各個(gè)狀態(tài)未來(lái)發(fā)展做出概率估計(jì),即通過(guò)概率轉(zhuǎn)移矩陣來(lái)對(duì)未來(lái)需要預(yù)測(cè)的數(shù)據(jù)進(jìn)行概率估計(jì),看其處在哪個(gè)狀態(tài),最終得出預(yù)測(cè)結(jié)果。即把觀測(cè)值和預(yù)測(cè)值之間的誤差分成若干區(qū)間,且每個(gè)區(qū)間都給予相應(yīng)的命名,例如Sm(m=1,2,3…l)。相對(duì)誤差狀態(tài)Sm從經(jīng)k時(shí)步移到狀Sn概率為:為Cm經(jīng)過(guò)m步轉(zhuǎn)移到Cn的個(gè)數(shù);Cn為相對(duì)誤差在某個(gè)狀態(tài)區(qū)間的個(gè)數(shù),但是在計(jì)算Cn的個(gè)數(shù)時(shí),由于不知道未來(lái)的發(fā)展?fàn)顟B(tài),需要把最后k個(gè)狀態(tài)剔除。

        那么第k時(shí)步時(shí)序狀態(tài)轉(zhuǎn)移矩陣P(k)為:

        式中:

        得到概率矩陣后,可以對(duì)LS-SVM得出的預(yù)測(cè)值進(jìn)行進(jìn)一步修正。取離預(yù)測(cè)值最近的幾個(gè)已知的狀態(tài)數(shù)值,然后統(tǒng)計(jì)已知狀態(tài)經(jīng)過(guò)幾個(gè)時(shí)步轉(zhuǎn)移到預(yù)測(cè)值,從狀態(tài)轉(zhuǎn)移矩陣中找到相對(duì)應(yīng)的轉(zhuǎn)移概率,再將處于每個(gè)狀態(tài)Si(i=1,2,3……)進(jìn)行概率統(tǒng)計(jì),處于哪個(gè)Si(i=1,2,3……)中的概率和最大,那么這個(gè)預(yù)測(cè)值就處于相應(yīng)的狀態(tài)當(dāng)中。本文認(rèn)為該區(qū)間的中點(diǎn)就是最可能的預(yù)測(cè)值相對(duì)誤差,則經(jīng)過(guò)以下公式即可得出最可能的位移時(shí)序預(yù)測(cè)值:

        式中:U(x)為經(jīng)過(guò)MC模型處理后的最終預(yù)測(cè)值,u(x)為L(zhǎng)S-SVM得出的初始預(yù)測(cè)值;ΔU、ΔD為所處誤差區(qū)間的上下限;為平均相對(duì)誤差。

        3 工程實(shí)例

        為了檢驗(yàn)BP神經(jīng)網(wǎng)絡(luò)—馬爾科夫模型在大壩位移預(yù)測(cè)中的效果,本文結(jié)合福建省棉花灘碾壓混凝土重力壩的位移觀測(cè)時(shí)間序列進(jìn)行了驗(yàn)證。該壩在運(yùn)行過(guò)程中,受多種因素影響,發(fā)生了一定的位移,本文用BP神經(jīng)網(wǎng)絡(luò)—馬爾科夫模型對(duì)某一測(cè)點(diǎn)的豎向位移作出預(yù)測(cè)。取大壩原型變形數(shù)據(jù),通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行擬合,得到原始數(shù)據(jù)和擬合數(shù)據(jù)差值,然后通過(guò)馬爾科夫鏈進(jìn)行誤差修正。首先把原始數(shù)據(jù)和擬合數(shù)據(jù)之間的誤差分成4個(gè)狀態(tài),即S1、S2、S3、S4。然后列出狀態(tài)轉(zhuǎn)移矩陣。通過(guò)誤差修正,對(duì)未來(lái)數(shù)據(jù)進(jìn)行預(yù)測(cè),并且與單純的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)數(shù)據(jù)進(jìn)行對(duì)比。以預(yù)測(cè)第149個(gè)點(diǎn)的變形為例,在BP神經(jīng)網(wǎng)絡(luò)擬合的基礎(chǔ)上,用馬爾科夫進(jìn)行修正預(yù)測(cè)。最終得出結(jié)論,第149個(gè)點(diǎn)處于S3狀態(tài),通過(guò)公式(8)得出最終預(yù)測(cè)結(jié)果為-2.27 mm。

        以此類(lèi)推得出其他點(diǎn)的預(yù)測(cè)結(jié)果,BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值和多項(xiàng)式—馬爾科夫鏈預(yù)測(cè)值對(duì)比見(jiàn)圖1。

        圖1 BP神經(jīng)網(wǎng)絡(luò)擬合曲線和多項(xiàng)式—馬爾科夫鏈擬合曲線

        4 結(jié)語(yǔ)

        通過(guò)計(jì)算分析,可以看出,BP神經(jīng)網(wǎng)絡(luò)—馬爾科夫模型與單獨(dú)的BP神經(jīng)網(wǎng)絡(luò)擬合相比,預(yù)測(cè)精度進(jìn)一步提高,從而證明模型的可行性與有效性,也證明了將兩種模型組合起來(lái)后,可以充分發(fā)揮兩者優(yōu)點(diǎn),對(duì)于以后在大壩安全監(jiān)測(cè)方面提供了一種新穎的方法,具有一定的參考價(jià)值。

        (責(zé)任編輯崔春梅)

        作者簡(jiǎn)介:郭杰(1988—),男,助理工程師

        收稿日期:2015-04-10

        【中圖分類(lèi)號(hào)】TV698.1

        【文獻(xiàn)標(biāo)識(shí)碼】B

        【文章編號(hào)】1009-6159(2016)-01-0024-02

        猜你喜歡
        BP神經(jīng)網(wǎng)絡(luò)
        基于神經(jīng)網(wǎng)絡(luò)的北京市房?jī)r(jià)預(yù)測(cè)研究
        商情(2016年43期)2016-12-23 14:23:13
        一種基于OpenCV的車(chē)牌識(shí)別方法
        基于遺傳算法—BP神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤輔助診斷模型
        一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)T/R組件溫度的方法
        基于BP神經(jīng)網(wǎng)絡(luò)的光通信系統(tǒng)故障診斷
        科技視界(2016年26期)2016-12-17 17:57:49
        提高BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率的算法研究
        考試周刊(2016年21期)2016-12-16 11:02:03
        就bp神經(jīng)網(wǎng)絡(luò)銀行選址模型的相關(guān)研究
        基于DEA—GA—BP的建設(shè)工程評(píng)標(biāo)方法研究
        基于BP神經(jīng)網(wǎng)絡(luò)的旅行社發(fā)展方向研究
        商情(2016年39期)2016-11-21 09:30:36
        復(fù)雜背景下的手勢(shì)識(shí)別方法
        国产伦奸在线播放免费| 亚洲视频在线看| 久久久久久无中无码| 久久久精品久久久国产| 图片小说视频一区二区| 狠狠噜天天噜日日噜视频麻豆| 狠狠色综合播放一区二区| 男女视频网站免费精品播放| 国产小视频一区二区三区| 成人在线观看av毛片| 成午夜精品一区二区三区| 老熟妇高潮喷了╳╳╳| 亚洲国产成人aⅴ毛片大全| 久久人妻中文字幕精品一区二区| 欧美人妻aⅴ中文字幕| 曰本无码人妻丰满熟妇5g影院| 无码天堂在线视频| 中文字幕av永久免费在线| 男人进去女人爽免费视频| 狠狠狠色丁香婷婷综合激情| 一区二区三区在线免费av| 人妻精品在线手机观看| 日本少妇被黑人xxxxx| 在线观看av国产自拍| 日韩一本之道一区中文字幕| 专干老熟女视频在线观看| 无码中文字幕加勒比一本二本| 国产不卡一区二区av| 久久精品人搡人妻人少妇| 天天天天躁天天爱天天碰| 成人国产永久福利看片| 久久99人妖视频国产| 无码人妻精品一区二区三区9厂| 粉嫩少妇内射浓精videos| 九色精品国产亚洲av麻豆一| 免费国产在线视频自拍白浆| 日韩精品无码视频一区二区蜜桃| 99久久久精品免费| 亚洲精品在线视频一区二区| 中文无码日韩欧| 色狠狠一区二区三区香蕉蜜桃 |