[发明专利]基于SSPSO-GRNN的水电站厂坝结构振动响应预测方法

摘要

本发明公开了一种基于SSPSO-GRNN的水电站厂坝结构振动响应预测方法，主要包括：(1)参数设置，(2)样本选择，(3)选取训练组数据，以GRNN的平滑参数作为待优化参数，并确定评价此优化参数的适应度函数值；(4)运用优胜劣汰、步步选择粒子群算法优化步骤3中需要优化的参数，并建立优化的水电站厂坝结构振动响应预测模型；(5)运用此模型对水电站厂坝结构振动响应进行预测。该方法能最大限度地避免人为主观假定对结果的影响，能够更准确地选择出广义回归神经网络创建需要的最优的平滑参数，大大降低了预测误差。本发明预测方法非常适合于水电站厂房结构振动响应预测研究，为水电站原型观测资料处理提供了新的方法和途径。

主权项

一种基于SSPSO‑GRNN的水电站厂坝结构振动响应预测方法，其特征在于，该方法包括以下步骤：步骤1、参数设置：随机产生各粒子的初始位置与初始速度，限定任意时刻粒子的速度和位置的取值范围，设定迭代终止条件，设置学习因子、惯性权重、粒子总个数；步骤2、样本选择：以水电站厂坝结构实测数据为依托，选择其中易测试部位或已知工况机组振动响应作为输入数据，将其中难测试部位或未知工况厂房结构振动响应作为输出；把所有的样本数据进行归一化处理后随机分为测试组数据和训练组数据；步骤3、选取训练组数据，以GRNN的平滑参数作为待优化参数，并确定评价此优化参数的适应度函数值；步骤4、运用优胜劣汰、步步选择粒子群算法优化步骤3中需要优化的参数，具体步骤包括：步骤a、迭代寻优，并记录当前迭代次数，并以预测误差均方值的大小作为粒子适应度值计算每个粒子的适应度值，对粒子适应度按照适应度值的大小进行优劣评价；步骤b、按粒子适应度值大小排列函数，并按照此顺序对相应的粒子位置进行排列，从粒子总个数为M的粒子群中选取并保留适应度值较好的m个粒子，并将m个粒子的位置范围作为新的解空间，在新的解空间内选择新的M‑m个粒子代替较差的M‑m个粒子，构造出新的粒子群；步骤c、重新评价新的粒子群中各粒子的适应度值，并据此更新各粒子的历史最优值及粒子群的全局最优值，按照基本粒子群算法更新原理更新粒子的速度和位置；步骤d、判断是否达到迭代终止条件，以达到最大迭代步数或满足收敛精度要求为迭代终止条件，若达到迭代终止条件，迭代结束，并输出全局最优粒子的相关参数，否则返回步骤a；步骤e、获得优化平滑参数，从而得到优化的水电站厂坝结构振动响应预测模型；步骤5、利用步骤4得到的模型对水电站厂坝结构振动响应进行预测，即运用未参加模型训练的数据对步骤4建立好的模型进行测试，测试输出的结果便是厂房结构难测试部位或未知工况厂房结构的振动响应。