基于ELM模型的混凝土坝坝基渗压预测

作者：张蒙; 喻和平^*; 陈玉江

来源：水利与建筑工程学报, 2019, 17(01): 159-220.

• 混凝土坝
• 渗透压力
• 神经网络
• 极限学习机
• 预测

为更精确的预测某混凝土坝坝基渗压变化趋势以保证大坝安全,利用混凝土重力坝渗压监测数据建立基于极限学习机(Extreme Learning Machine, ELM)的大坝基础渗压预测模型,并与传统逐步回归和传统BP神经网络方法进行对比。结果表明:ELM模型能够准确反映大坝坝基渗透系统的不确定性非线性关系,相比于逐步回归模型,ELM模型则可使hrmse减幅至少有34.1%,误差区间降低有36.5%。ELM模型在精度和稳定性上均优于其余2种模型,其仿真曲线与测点渗压实测动态基本一致。该模型可作为渗透压力预测的推荐模型。

• 单位
  长沙理工大学