科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高大坝变形监测数据噪声抑制及变形预测精度，本文在径向基函数(RBF)神经网络模型的基础上，提出一种利用主成分分析(PCA)优化的PCA-RBF组合变形监测数据处理方法。该方法主要流程为：首先使用PCA方法预处理大坝变形监测数据，通过确定大特征值个数及主分量对监测数据噪声进行抑制，获取有用的变形信号；然后针对RBF神经网络模型中隐含层节点数难以确定的问题，将大特征值个数作为隐含层节点数，提高预测精度。本文利用模拟仿真数据及大坝变形监测数据对本方法的噪声抑制及变形预测性能进行验证，结果表明，本文提出的方法在噪声抑制及变形数据预测性能上比传统的小波变换方法及BP神经网络模型更好，在实际工程应用中具有推广价值。
- 出版日期2023
- 单位贵州省地质矿产勘查开发局
