基于BP神經網絡的大壩沉降預測模型

謝海燕，周理含

（上海巖土工程勘察設計研究院有限公司，上海200438）

隨著高壩水庫建設的日益增多，大壩安全已引起社會普遍關注。大壩自身結構及工作環境均比較復雜，并存在許多不確定性的影響因素，而這些因素對大壩位移的影響往往無法用確切的定量關系進行描述［1］。因此，傳統的原型觀測統計模型（如多元線性回歸）在某種程度上已無法完全描述大壩安全監測量之間的非線性映射關系，并將最終影響模型的擬合及預報效果［2］。

目前人們提出了許多非線性理論，其中的人工神經網絡（Artificial Neural Network）已逐步運用于大壩安全監測資料分析中。人工神經網絡是對人腦神經系統的模擬，具有一定的自組織性、適應性、聯想能力、模糊推理能力和自學習能力，非常適合解決非線性映射問題［3］，而BP神經網絡是目前較為成熟并且在大壩監控領域中應用最為廣泛的神經網絡模型之一。李雪紅等［2］提出了主成分模糊神經網絡模型，并得到了很高的預測精度；馬麗霞等［4］提出了逐步回歸BP神經網絡組合法，并對西津大壩27＃點的變形監測資料進行了分析；李金鳳等［5］利用神經網絡模型對水布埡面板壩施工期的壩體沉降進行了分析，結果表明神經網絡能很好地反映面板壩堆石體施工期沉降變形與其影響因素之間的非線性映射關系，并可為后期填筑反饋設計提供依據。本文將根據某混凝土拱壩的垂線觀測資料，建立基于BP人工神經網絡的監控模型，并進行滾動學習進行預測分析，最后得出一些參考性結論?！?br>