大坝安全诊断的混沌优化神经网络模型

为了提高大坝变形的预测精度，采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析，揭示了其具有低维混沌动力特性，这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性，设计了能捕获大坝位移观测数据全局动力特性，兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中，由多个度量指标组成量化评价体系，对模型预测性能进行综合评价，结果表明，所建模型比传统bp神经网络和arma模型具有更高的预测精度。