基于改进BP神经网络的大坝变形监测模型预报

赵英男

（辽宁省白石水库管理局，辽宁朝阳122000）

基于改进BP神经网络的大坝变形监测模型预报

赵英男

（辽宁省白石水库管理局，辽宁朝阳122000）

变形监测是大坝安全运行的重要保证，结合白石水库混凝土坝真空激光X向位移资料进行分析，提出应用改进的BP神经网络思想建立的安全监测模型，结合对相关数据参数进行系统性的研究，并与传统BP神经网络模型训练、预测结果对比，得出改进的BP神经网格模型优于传统BP神经网络模型，具有一定抗差能力，能够降权使用可疑值，相关系数较高，预测精度好，可在实际中广泛运用。

大坝监测；变形；BP神经网络；预报

监测和现场检测在保证大坝工作安全中具有至关重要的意义，其中变形是大坝监测工作中的主要效应量和重要内容，是对于当前大坝安全状态最直观有效的反映，而变形监测模型预测工作能准确地观测未来一定时期内的变形值，随着计算机等智能领域的迅猛发展和其良好发展前景，神经网络因其网络化、智能化、仿真效果强大等特点将会呈现出更强竞争力，利用MATLAB矩阵分析软件中的改进的BP神经网络预测模型对大坝变形进行监测，具有较好的预测效果，可在效应量与自变量等环境复杂状态运用[1]，为大坝变形预测提供了一种全新的方式。

为实现对真空激光自动化采集数据与周围环境量的实时更新处理，需要对传统的BP神经网络加以改进，引入遗忘因子思想，特别针对白石混凝土重力坝真空激光准直系统更新改造后，基准值分期变化但保持平稳变化规律情况的变化特征，建立遗忘矩阵，减弱系统更新改造位移资料得出路径发生变化对于预测结果的影响。

1 BP神经网络

人工神经网络（Artificial Neutral Network）从结构上来讲是一种典型的多层前向型神经网络，具有一个输入层(Input Layer)、多个可人为设定层数的隐含层(Hidden Layer)和一个输出层(Output Layer)。是一种具有层间全连接，同层神经元之间无神经递质连接的模拟人脑思维结构模式。隐含层中的神经元通常采用S型传递函数的形式传播，输出层的神经元大多采用线性算法传递函数。典型神经网络的指导思想为阈值与权值的拟合采用目标误差函数下降最快的方向即负梯度方向，学习方式采用误差逆向传播算法作为训练主导[2]。传统的BP（Back Propagation）和RBF（Radical Basis Function）人工神经网络的性能主要由人工神经络的激励函数、人工神经网络的拓扑结构、人工神经网络的训练样本的品质和学习规则决定。

设置网络输出层为x，中间隐含层输出为z，网络输出层为y。其中输入层与输出层各含有m个与n个神经元。假设Xα(α=1,2,3,4…,Δ)为某神经元输入量，各隐含层神经输出量为：

依照顺序ψ(x)为激发函数；μαβ为隐含层神经元α与输入层神经元β的连接权重；λα为隐含层神元的阀值；所得网络输出为：

其中，ηα为隐含层和输出层神经元β的权值，将网络输入样本xα(α=1,2,3,4…,Δ)和网络向量B设定完毕后，可通过（1）、（2）公式得出输出量Y（m），经过对于实际目标量ρ（m）对比，得出误差量：

此时神经网络的训练目标为差值平方和最小化的权值η，训练样本数量为M，得出：

2 引进遗忘因子的改进算法

大坝安全监测BP神经网络模型作为一种新的预报方法，其核心是建立对学习与预报的性能具有重要的影响的具有满足其精度的模型[3]。其灵活而有效的学习及训练方式、完美的非线性特征、和其完全分布的存储结构在预测过程中可以显示出绝对优势。而引进了遗忘因子的改进型BP神经网络具备一定的结构学习能力，解决了传统BP网络预测模型在算法上直接而多步的预测中不能渐进计算的问题。但BP算法是在积累了一定容量样本后，一种期望输出与实际输出之间的差值为驱使且不断最小化的典型的监督学习方法，这是传统经典BP神经网络的弊端。而引进了遗忘因子的BP神经网络模型可以根据新样本渐进地调整网络参数。通过引入一个与连接权值成正比的常数衰减项，具有遗忘因子的BP算法是成为了一个使网络中的多余权阈值迅速衰减，减少占用网络资源空间的合理的网络结构，传统的BP网络所得误差平方和引入修正函数ε(t)，计算误差函数：

取εβtβ=ζ（tO-tm），ζ（t）为遗忘因子，可修正改进BP网络模型训练误差，在训练和学习的过程中，该引进了遗忘因子ζ（t）的BP网络模型以目标函数：

3 工程实例

3.1 样本输入量

大坝受多种监测和非监测环境量综合扰动，其中变形量主要受水头、温度、时效、降雨、两侧山体岩石结构及性状、施工混凝土性能等多种因素的综合影响[4]。

根据混凝土坝变形模型，主要考虑水头、温度、时效、三种环境输入量。

库水位、上、下游水头变化影响坝体侧向压力及山体渗流和扬压力系数变化均会对大坝变形产生直接影响。水压因子与上游水头H的幂次方呈比例关系，共取五个因子。

t为建基日到测值发生日累计天数。当蓄水后，大坝的温度场会随边界温度的改变呈现年周期性的变化。温度变化可导致的混凝土干缩变形和自体积变形，温度与降雨量叠加作用可导致混凝土含水量发生变化，引起湿度变形，与自体积变形相比，湿度变形相对变形系统影响较小。

以建基日为1，每增加1天，θ增加0.01，为时效因子，时效因子反应了坝体与坝基混凝土和岩石基础的长期应力所导致的徐变以及坝基的节理、裂隙和其他软弱夹层构造在荷载作用下发生的压缩和塑性变形等作用对于大坝的影响。

则本模型样本输入量为H1、H2、H3、H4、H5

3.2 模型分析

白石水库混凝土重力坝真空激光准直系统位于大坝右岸，共31个测点，系统分为X向、Z向相对位移和绝对位移，建模过程中，选取7#坝段2016年实际自动化监测数据作为样本，共有536组数据，其中取前516组数据作为已知数据输入，剩余20组数据作为预测样本，其中此次模型选择7#测点X向相对位移数据资料进行分析[5]，用传统BP神经网络与改进的BP神经网络思想分别建立安全监测统计模型，模型结构共计11个输入层因子，隐含节点数取2×11+1=23个。样本输量516组，测试样本数量为1，络输入维度为11。网络噪声强度为0.01，最多训练次数5000。学习速度为0.045，目标误差为.65×10-3。进行分析，具体计算结果如表1所示。

在训练和预测的过程中可知，改进的神经网络算法可以对混凝土大坝的状态变化进行更新，误差范围在0.13%~33.03%之间，与实际值和传统BP神经网络变形监测模型预报值相对比，有着较好的预测精度与拟合效果，能够概括反映大坝位移的相关趋向及变化数值。由图1可以看出，与传统BP网络模型预测值相对比，引进遗忘因子的改进BP网络模型预测值更接近实测值，经过前不断训练学习，改进的BP网络预测模型后期数据与实测值更为接近，整体预测精度有着明显提高，误差趋于平稳且小于开始。

表1 真空激光X向位移实测与网络输出精度对比单位：mm

从表2得和，就两种模型间拟合效果而言，改进的BP算法优于传统BP算法模型，可优先考虑采用。

图1真空激光X向位移模型预测过程线

表2 模型均方差比较

4 结语

本文结合实测白石水库混凝土坝真空激光X向变形数据资料，运用改进的BP神经网络算法对其位移监测点建立模型，通过MATLAB 9.0矩阵分析软件中改进的BP神经网络算法进行大坝变形监测模型预报，采用经过算法优化所得权值与阈值作为模型初始权值与阈值，加快了网络的收敛速度，大幅减少了系统的计算次数。从大坝变形的发展趋势来看，目前白石水库混凝土坝处于相对稳定趋势，而采该变形监测预报模式也可成为一种探究大坝安全稳定的新方式。

[1]赵英男.宫正.韩卫.基于BP网络的大坝扬压力预报模型[J].水与水技术，2016,(06):70-73.

[2]张晓春,徐晖,邓念武,陈仁喜.径向基函数神经网络在大坝安全监测数据处理中的应用[J].武汉大学学报(工学版),2003,(02):33-36.

[3]吴云芳,李珍照.改进的BP神经网络模型在大坝安全监测预报中的应用[J].水电站设计,2002,(02):21-24.

[4]李富强.大坝安全监测数据分析方法研究[D].浙江大学,2012.

[5]杨杰,吴中如,顾冲时.大坝变形监测的BP网络模型与预报研究[J].西安理工大学学报,2001,(01):25-29.

Model Prediction of Dam Deformation Monitoring Based on Improved BP Neural Network

Zhao Yingnan
（Baishi water reservoir management bureau in Liaoningprovince Chaoyang122000,Liaoning）

Deformation monitoring is an important guarantee for safe operation of the dam.The article is based on analysis of the vacuum laser X-displacement data of the concrete dam of Baishi Reservoir,proposes a safety monitoring model by the improved BP neural network,and the relevant data parameters are systematically studied.And compared with the traditional BP neural network model training and prediction results,it is concluded that the improved BP neural network model is superior to the traditional BP neural network model,and has some ability of reducing the risk,using the suspicious value,the correlation coefficient is high,the prediction accuracy Well,can be widely used in practice.

Dammonitoring；tobe deformed；BP neural network and toforecast

TV698.11

B

1673-9000（2017）03-0113-03

2017-02-17

赵英男（1989-），女，辽宁朝阳人，助理工程师，主要从事水利工程大坝监测工作。