【摘要】：針對靜態模糊神經網絡的局限性,提出了在線動態建模的模糊神經網絡方法。當新增樣本進入訓練集之后,根據新樣本對模型的貢獻大小,在已有模型的基礎上進行動態修正,這樣可以減少建模的計算時間。新方法實現了增加樣本而矩陣階數不增加,避免了矩陣求逆運算,理論上可以提高計算效率。實例表明動態模糊神經網絡方法是可行的,可實現持久預報,具有較強的適應能力和較高的預報精度,可應用于在線實時變形預報及相關領域。
【作者單位】：
武漢大學測繪學院 武漢大學測繪學院
【關鍵詞】：
動態模糊神經網絡 大壩變形 預報模型
【基金】：國家自然科學基金資助項目(40474003)
山東省泰山學者建設工程專項經費資助項目(TSXZ0502)
【分類號】：TV698.1
【DOI】：CNKI:SUN:DBGC.0.2007-02-018
【正文快照】：
0引言大壩安全監測工作中經常要對大壩的各種監測量進行預測,其準確性對大壩安全評估起著重要作用。目前的各種預報模型是單一的、固定系數的模型。由于大壩變形是一個非線性系統,其變形受諸多外界因素的影響,各種因素間相互關系復雜,有的還是時間的函數,采用固定權系數建立
