论文部分内容阅读
为揭示高边坡位移在降雨和时效影响下的复杂变化规律,采用积分型降雨因子和时效函数构建径向基函数(RBF)神经网络监测模型的输入层,以测斜孔内多个测点位移为输出层向量,根据实测降雨、位移时间序列,以模糊C均值聚类(FCM)算法确定RBF计算中心,建立高边坡位移多测点神经网络监控模型。实例表明:采用合理降雨、时效输入层因子及FCM算法的模型可获得理想效果,能有效捕捉复杂变化的位移发展过程,并具有较高的预测精度。