未来智讯 > 神经网络论文 > 基于RBF神经网络的边坡不变性剖析
    基于RBF神经网络的边坡不变性剖析作者:未知   摘要:为解决云南变电站山地建设中边坡不变性难以剖析的问题,开展了山地变电站的边坡状况检测与不变性剖析切磋。运用RBF神经网络算法设立了具有展望才力的剖析模子,将边坡压力展望值与监测值相互联合对照剖析,并对山地变电站边坡的布局不变性作出剖断。从数据剖析能够看出,此传感网络体系的搭建较为胜利,在电磁作梗强、地质情况卑劣的事情前提下运行状况优良,到达了监测目的。选取基于RBF神经网络的边坡布局不变性剖析体式格局,能较好解决边坡不变性展望问题。
  关头词:山地变电站边坡;GeoStudio;RBF神经网络;不变性剖析
  DOIDOI:10.11907/rjdk.172045
  中图分类号:TP319
  文献标识码:A 文章编号:1672-7800(2017)012-0165-04
  Abstract:In order to analyze the problems of slope stability in the mountainous construction of yunnan substation. In this paper, the slope condition detection and stability analysis of mountain substation are studied. Using RBF neural network algorithm has the ability to predict analysis model is established, the slope pressure prediction and monitoring values together to make a comparative analysis of substation structure stability of the slope in mountainous region and make a decision. The construction of this sensor network system has been successfully analyzed from the data, and it is in good condition in the working conditions of strong electromagnetic interference and poor geological environment, which has achieved the monitoring purpose. It is concluded that the stability analysis of slope structure based on RBF neural network can be used to predict the slope stability.
  Key Words:mountain substation slope; GeoStudio; RBF neural network; stability analysis
  0 引言
  南边�网公司对付电网的切磋与建设提议了一系列要求,包罗“加强电力体系的安好不变运行尺度,提高资产和体系行使率”等,云南电网基于贯彻南边电网的建设理念,将保险电网安好不变置于很是严重的身分,将在线监测技艺的切磋与运用作为升迁电网科技程度和运行经管效果的基石。为了兑现以上要求,云南电网先后切磋和运用了很多在线监测要领与技艺,以完成对变电站地质情况的安好不变性监测。今朝,在土木匠程中运用了许多技艺和要领完成边坡布局的安好性监测,而且不息改良与优化,以前的大局部监测实例都是选取人造观测或是使用单点的监测仪器完成,而今朝跟着科学技艺的前进,运用加倍切确、公道的模子剖析和主动化监测兑现。山地变电站因为阵势前提较差,边坡一旦失稳会给电力体系带来庞大影响和不行补救的丧失,是以对山地变电站边坡布局进行不变性剖析意义尤为重大[1]。首要内容是猎取与展望边坡当前及将来的不变环境。基于监测数据的不变性剖析,是凭据边坡检测网络中反馈的信息,对其进行处置、统计、剖析并剖断边坡的不变性[2-3]。基于RBF神经网络的边坡不变性剖析,可以有用地对边坡受力状况进行短时间的展望,并联合现实监测数据进行对照剖析,从而判别边坡布局的不变性[4]。
  1 RBF神经网络基来源根基理
  1985年,Powell提议了多变量差值的径向基函数要领。1988年,Broomhead和Lowe起首将RBF应用于神经网络设计,组成了径向基函数神经网络,即RBF神经网络[5]。
  神经网络是一种用以模拟人脑神经网络的纷乱网络体系,具有高维性、并行分布处置性、自顺应性、自组织性、自进修性等良好特征。一个完整的神经网络由接管旌旗灯号的输入层、输出旌旗灯号的输出层以及用于转换和处置旌旗灯号的隐含层构成[6]。对付某一神经元,起首按照联贯强度(权重值)完成来自其它神经元输入旌旗灯号的堆集运算,再将其了局议决传递函数变换,最终经阈值函数判别,若输出大于阈值,则神经元被激活,给出输出值,不然不发生输出。在神经网络中,权值和传递函数是两个很是关头的因素。权值的物理意义是输入旌旗灯号的强度,若设计多个神经元,则可领会为神经元之间的联贯强度。神经网络中的传递函数一般是单值函数,如许使得神经元运算可逆[7]。
  RBF神经网络是一种三层前向网络,其拓扑布局如图1所示,输入层由旌旗灯号源节点构成。隐层单位的变换函数是一种部分分布的非负非线性函数,对中心点径向对称且衰减;隐含层的单位数由所描绘问题的必要确定;网络的输出是隐单位输出的线性加权和。RBF神经网络的输入空间到隐含层空间的变换长短线性的。
  从剖析了局可得,展望值和现实值的总体改变趋向基本保留一律,但从图中能够看出两条曲线并异国完全重合,以是展望值与现实值存在必然偏差,是以离别对绝对偏差值和相对偏差值进行了检讨。绝对偏差值反映出真正值与展望值之间的真正偏差值,从绝对偏差项来看,总体压力偏差基本在20kPa局限以内,且最大值不跨越30kPa,改变较为不变。从相对偏差项来看,总体压力的相对偏差浮动在0.05摆布,且最大值小于0.1,以是以为压力跟着时间的改变基本保留不变。   3 RBF模子预报了局剖析
  图6离别为上、卑鄙传感器展望-实测压力值对照与展望-实测压力偏差,从剖析了局来看,上、卑鄙压力传感器的展望-实测压力值走势纪律性较强,是以上游取2#、6#、10#压力传感器,卑鄙取1#、5#、9#压力传感器进行剖析(本文只给出上游2#传感器展望-实测剖析图)。图6(a)中,横坐标为时间轴,纵坐标为压力值,从图中能够看出展望值与现实值的总体拟合度较高,两者并异国完全重合但走势基本趋于一律,2月份降雨较少压力逐步降落且压力值巨细在不变局限之内。图6(b)中能够看出,展望值与现实值存在必然偏差,是以离别对绝对偏差值和相对偏差值进行了检讨,绝对偏差值反映出真正值与展望值之间的真正偏差值,从绝对偏差项来看,总体压力偏差基本在50kPa局限以内,且最大值不跨越70kPa,改变较为不变,从相对偏差项来看,总体压力的相对偏差浮动在0.05摆布,且最大相对偏差小于0.1,以是能够剖断压力跟着时间的改变基本保留不变。
  4 结语
  本文针对楚雄州某220kV山地变电站,选取基于监测数据的边坡布局不变性剖析体式格局,议决对�O测数据与初始勘测数据之间的应变改变横向对照,剖析得出2#应变桩3m处传感器应变改变量最大,应变值为110με,且此应变值处于安好局限以内,剖断该边坡为不变状况。针对昭通供电局220kV盐津变电站,选取基于RBF神经网络的边坡布局不变性剖析体式格局,将现实监测值与短期展望值进行了对照剖析,凭据压力改变曲线拟合度较高且压力相对偏差值小于0.1,改变值较为不变,从而剖断此边坡处于不变状况。凭据监测数据能够得出,该传感网络体系的搭建较为胜利,在电磁作梗强、地质情况卑劣的事情前提中运行优良,能做到有用监测。
  参考文献:
  [1] 佴磊,徐燕,代树林,等.边坡工程[M].北京:科学出书社,2010.
  [2] 姜小强.或人工边坡不变性剖析评价及办理要领剖析[J].工程建设与设计,2017(1):52-55.
  [3] 张焱.边坡不变性剖析及支护设计切磋[J].河南水利与南水北调,2017(2):56-58.
  [4] 毕卫华,谭晓慧,侯晓亮,等.基于RBF神经网络的边坡不变靠得住度剖析[J].地下空间与工程学报,2010,6(2):423-428.
  [5] 李国友,姚磊,李惠光,等.基于优化的RBF神经网络模式辨认新要领[J].体系仿真学报,2006,18(1):181-184.
  [6] PAREKH R, YANG J, HONAVAR V. Constructive.neural-network learning algorithms for pattern classification[C]. IEEE Transactions on Neural Networks, 2000,11(2):436-451.
  [7] HAN M, XI J H. Efficient clustering of radial basis perception neural network for pattern recognition [J]. Pattern Recognition, 2004,37(10):2059-2067.
  [8] 殷勇,邱明.一种基于高斯核的RBF神经网络进修算法[J].谋略机工程与应用, 2002,38(21):118-119.
  (责任编纂:何 丽)
转载请注明来源。原文地址:https://www.7428.cn/page/2019/0122/80345/
 与本篇相关的热门内容: