位置:成果数据库 > 期刊 > 期刊详情页
遗传神经网络在大坝变形预报因子重要度判定中的应用
  • ISSN号:1671-3893
  • 期刊名称:水电自动化与大坝监测
  • 时间:0
  • 页码:47-54
  • 语言:中文
  • 分类:TV698.1[水利工程—水利水电工程]
  • 作者机构:[1]河海大学水利水电工程学院,江苏省南京市210098, [2]河海大学水资源高效利用与工程安全国家工程研究中心,江苏省南京市210098, [3]山东省淡水水产研究所,山东省济南市250117
  • 相关基金:国家自然科学基金资助项目(50539010,50579010,50539030,50539110);国家科技支撑计划课题(2006BAC14B03);中国水电工程顾问集团公司科技项目(CHC-KJ-2007-02).
  • 相关项目:复杂条件下高拱坝的失效破坏机理和安全评估
中文摘要:

提出了一种应用遗传神经网络判定大坝变形预报因子重要度的方法,分析了如何从学习后的网络权重中提取预报因子重要度信息,应用数理统计方法消除了网络学习初始权重对判定结果的影响。用一实例对提出的方法进行了验证,表明该方法具有很强的操作性和较高的准确性。

英文摘要:

A new method of using genetic neural network to determine the factor weight of dam deformation is put forward. The way to extract the information of the factor weight from the trained network link weight is analyzed. The impact of primary network weight on final determination result can be eliminated by symbolic statistics. Experiment shows that the' method is highly operational with high accuracy.

同期刊论文项目
期刊论文 301 会议论文 24 专利 3 著作 5
期刊论文 92 会议论文 5 著作 1
同项目期刊论文
期刊信息
  • 《水电自动化与大坝监测》
  • 主管单位:国家电网公司
  • 主办单位:国家电力自动化研究院
  • 主编:薛禹胜
  • 地址:南京市南瑞路8号
  • 邮编:210003
  • 邮箱:hadm@nari-china.com
  • 电话:025-83092055 83409559
  • 国际标准刊号:ISSN:1671-3893
  • 国内统一刊号:ISSN:32-1641/TV
  • 邮发代号:
  • 获奖情况:
  • 江苏省优秀期刊,1997年、1999年省期刊印刷质量二等奖和一等奖
  • 国内外数据库收录:
  • 被引量:3882