仲云飞
- 作品数：7 被引量：84H指数：5
- 供职机构：河海大学水利水电学院更多>>
- 发文基金：国家自然科学基金水利部公益性行业科研专项国家重点实验室开放基金更多>>
- 相关领域：水利工程建筑科学自动化与计算机技术更多>>
- GRNN神经网络在坝基渗流预测中的应用被引量：8
- 2012年
- 人工神经网络在大坝监测资料分析及预测中应用效果良好,而广义回归神经网络具有柔性网络结构、很强的非线性映射能力及高度的容错性,非常适合解决非线性问题。实例分析结果表明:与BP神经网络相比,广义回归神经网络在预测能力及学习速度上具有明显优势,且样本较少时其预测效果也较好。
- 陈端曹阳夏辉梅一韬仲云飞
- 关键词：广义回归神经网络BP神经网络坝基渗流
- 确定大坝效应量真实分量比例的灰色距离测度研究被引量：1
- 2012年
- 为了评价各因素对大坝监测效应量的综合影响程度,提出一种新的灰色距离测度,并应用于大坝效应量分量比例确定中。首先利用主成分确定各分量真实系数,然后应用该理论确定各个分量的比例。工程实例表明,该方法简单可行,能科学有效地确定大坝效应量分量比例。
- 梅一韬邱亚男吴邦彬仲云飞顾浩钦丰莎王雷
- 基于熵权的大坝渗流性态模糊可拓评价模型被引量：10
- 2011年
- 针对评价大坝渗流性态一直为工程决策的难点问题,以某混凝土重力坝#2坝段为例,构建了大坝渗流指标结构体系,选定了渗流评价标准和监控指标,利用可拓理论将定性与定量分析有机结合,并结合模糊数学理论构造了渗流性态评价中的模糊物元,引入熵权法确定指标体系的权重系数,建立了基于熵权的模糊可拓评价模型。结果表明,该坝段渗流性态正常,评价结果合理,符合实际情况。
- 梅一韬仲云飞
- 关键词：大坝渗流熵权
- 逐步回归算法在边坡安全监测中的运用被引量：7
- 2013年
- 考虑时效、降雨和温度对边坡变形的影响,深入分析了边坡变形的外在影响因素及各因子的表达形式,建立边坡变形统计回归模型,应用Matlab软件和逐步回归算法,实现边坡变形的回归分析与预测。东津水电站溢洪道左岸高边坡变形监测资料分析成果表明:边坡变形统计拟合值与实测值接近,复相关系数较大,剩余标准差较小。该模型能较好地反映边坡的变形规律和发展趋势,为分析边坡运行时的安全状态和预测变形趋势提供了指导思想,有较大的工程实用价值。
- 陈兰仲云飞吴邦彬许淼
- 关键词：边坡变形
- 基于IPSO-BP神经网络的坝基扬压力预测方法研究被引量：3
- 2013年
- 针对坝基扬压力预测的传统BP神经网络模型初始权值和阈值随机性强、易陷入局部最优等局限,采用惯性权重动态调整的改进粒子群算法对BP网络的初始权值和阈值进行优化,建立了基于IPSO的BP神经网络坝基扬压力预测模型.通过算例验证算法的优越性及程序的准确性,并以某大坝多年扬压力监测数据进行工程实例应用,结果表明,IPSO-BP扬压力预测模型与传统BP模型相比,拟合相关系数大,统计误差小,预测精度更高.
- 顾浩钦仲云飞程井邓同春李阳
- 关键词：扬压力BP神经网络改进粒子群算法统计模型
- 遗传算法优化BP神经网络在大坝扬压力预测中的应用被引量：31
- 2012年
- 针对BP神经网络的局部极小和收敛慢等问题,提出了利用遗传算法的选择、交叉和变异操作优化BP神经网络的权值和阈值,将优化后的BP神经网络用于预测大坝扬压力。通过实例应用,将遗传算法优化的BP神经网络与逐步回归、BP神经网络预测相对比,结果表明遗传算法优化的BP神经网络收敛快且预测结果精度高。
- 仲云飞梅一韬吴邦彬陈端
- 关键词：遗传算法BP神经网络扬压力
- 基于熵权法和G1法的大坝监测指标权重融合被引量：25
- 2012年
- 熵权法求权重能客观地反映实测信息,但不能反映专家意见,而G1法可反映专家的以往经验,但偏于主观。根据熵权法与G1法理论,综合了两种赋权方法,提出一种主客观相融合的大坝监测指标权重融合法,该法简单易行,计算结果较合理。
- 陈端曹阳夏辉梅一韬仲云飞
- 关键词：熵权法
