PCA-GA-LM模型在水库土石坝渗流预测中的应用

作者：缪新颖; 单玉鹏; 纪建伟^*

来源：沈阳农业大学学报, 2021, 52(03): 377-384.

• 土石坝渗流
• 主成分分析(PCA)
• 遗传算法(GA)
• Levenberg-marquardt (LM)算法
• 预测模型

水库是农业生产用水、灌溉农作物的重要水利工程之一,水库大坝安全与否决定着水库能否正常运转。针对大坝渗流预测模型需要解决的有效影响因子确定、网络结构优化和预测算法等问题,将主成分分析(principal component analysis, PCA)方法、遗传算法(genetic algorithm, GA)和Levenberg-marquardt(LM)神经网络协同应用于水库大坝渗流预测,提出PCA-GA-LM大坝渗流预测模型。利用PCA确定大坝渗流的影响因子,实现各因素之间的去耦和降维,避免多重共线性,使尽可能少的变量包含尽可能多的信息;利用GA优化网络结构,确定合适的隐层节点数目和权值;利用LM算法训练神经网络,提高神经网络的泛化能力和收敛速度。为了验证新方法的预测效果,以监测渗流的测压管水位为研究对象,以大伙房水库土石坝2018年的365组观测数据为训练样本,选取2019年15组数据作为测试样本,对土石坝渗流进行预测,并将预测结果与未采用PCA的GA-LM模型进行了比较。对比结果表明:PCA-GA-LM模型预测的土石坝渗流值与实测值吻合较好,平均误差、标准偏差和平均相对误差都较小,说明采用该方法预测准确率较高,预测效果优于试验法。研究结果表明了基于PCA-GA-LM模型可以作为水库土石坝渗流预测的一种有效手段,对于进一步研究水库大坝安全具有推动作用。

• 单位
  大连海洋大学; 沈阳农业大学