陶亮
- 作品数：3 被引量：3H指数：1
- 供职机构：河海大学水利水电学院水资源高效利用与工程安全国家工程研究中心更多>>
- 发文基金：教育部“新世纪优秀人才支持计划”国家自然科学基金更多>>
- 相关领域：水利工程自动化与计算机技术更多>>
- 基于改进的BP神经网络的大坝蓄水期实时预报模型被引量：1
- 2014年
- 蓄水期是大坝安全监测的重点时期.鉴于坝体性态随水位快速升高产生实时变化,蓄水期监测资料平稳性较差等特点,传统的BP神经网络对数据处理本质上属于静态网络,不能满足对实时变动的蓄水期数据样本的准确预测.为了解决这个问题,在传统的BP神经网络模型的基础上,通过在误差计算和模型参数中分别引入遗忘因子,实时更新数据的影响权重,建立了大坝蓄水期资料分析的时变分析模型.最后使用传统的BP神经网络模型和改进的BP神经网络模型进行实例分析,结果表明后者比前者在径向位移的预测上精度提高1mm以上,改进的BP神经网络模型更加适用于大坝蓄水期监测资料分析与预测.
- 夏天倚刘天祥钟黎雨陶亮
- 关键词：大坝监测BP神经网络蓄水期遗忘因子
- 面向对象的大坝安全监控系统关系型数据模型被引量：2
- 2015年
- 针对传统的关系型数据模型(E/R模型)存在有数据类型单一、无法体现数据间实际联系和没有继承概念等问题,将面向对象技术融入到现有的关系数据模型中重新构建数据库。将整个大坝安全监控系统(DSMS)划分为三个模块,并重新绘制各部分的模型概念图并给出数据模型的定义。最后,利用重新构建的数据库开发完成新的大坝安全监控系统,经Loadrunner的性能测试后与传统关系模型为基础的系统相比较,其性能更为优越。
- 陶亮
- 关键词：面向对象大坝安全监控系统
- 基于融合型WNN的大坝裂缝开合度预测模型研究
- 2015年
- 大坝的裂缝开合度监测是大坝安全监测中重要的项目之一。因此,大坝裂缝开合度预测的准确性对大坝安全监控十分重要。外界诸多因素都会对大坝裂缝开合度造成一定的影响,导致情况非常复杂。为了提高大坝裂缝开合度预测的精度,尝试将融合型WNN(小波神经网络)应用于大坝裂缝开合度预测,并将该模型应用于某混凝土大坝的裂缝开合度预测中,并与BP神经网络模型、松散型WNN模型及传统的多元回归模型预测结果进行对比。结果表明,融合型WNN用于大坝裂缝开合度预测精度更高,效果更好。
- 钟黎雨刘天祥夏天倚陶亮孙斌斌
- 关键词：大坝多元回归模型
