来源：期刊VIP网 时间：
作者：代硕;苏怀智;谷宇;郭莹莹;
单位：河海大学水灾害防御全国重点实验室;河海大学水利水电学院;河海大学水安全与水科学协同创新中心;
摘要：建立高精度的大坝变形监控模型对于分析大坝变形监测资料，保障大坝运行安全具有重要意义，但传统的反向传播神经网络(BP)在搜索过程中容易陷入局部最优，因此将具有较好全局搜索能力的河马优化算法(HO)引入反向传播神经网络，并基于自适应增强算法(AdaBoost),构建了HO-BP-AdaBoost大坝变形监控模型。首先，利用HO算法对BP神经网络的初始权值和阈值进行优化，并将优化后的权值和阈值赋予BP神经网络，构建HO-BP弱预测器；然后通过训练迭代多个弱预测器，并根据预测误差分配不同的权重，组合成为强预测器；最后，以某混凝土坝为例，通过选取决定系数、均方根误差、均方误差及平均绝对误差作为评价指标，比较该模型与其他模型的输出结果。结果表明，HO-BP-AdaBoost模型对于大坝变形具有较高的预测精度。
关键词：大坝变形预测;;监控模型;;反向传播神经网络;;自适应增强算法;;河马优化算法
基金资助：国家自然科学基金项目(52239009)
