基于 PCA － ＲBF 神经网络的混凝土坝 位移趋势性预测模型

为了提高混凝土坝位移趋势的预测精度， 提出了一种基于主成分分析( PCA) 和径向基( ＲBF) 神经网络的混凝土坝位移趋势性预测模型( PCA － ＲBF) 。首先， 利用主成分分析， 将混凝土坝多测点 的径向位移监测数据降维， 消除影响分量数据集的多重相关性， 分别提取出主元位移和主元影响分 量。然后， 把主元位移和主元影响分量输入径向基神经网络并构建模型， 对提取出的主元位移进行预 测。最后， 将本法应用于某混凝土坝， 结果表明， PCA － ＲBF 模型的均方根误差( ＲMSE) ， 平均绝对 误差( MAE) 和平均绝对百分比误差( MAPE) 分别为 2. 037 8 mm， 1. 698 6 mm 和 3. 32% ， 显著低于传 统的多元回归统计模型、径向基神经网络模型( ＲBF) 和利用经主成分分析进行因子处理的 BP 神经网 络模型( PCA － BP) ， 说明 PCA － ＲBF 模型有着良好的预测精度