土工膜動態(tài)預測模型
動態(tài)預測方法區(qū)別于靜態(tài)預測方法的最大特征在于:其原始數(shù)據(jù)處理系統(tǒng)可以根據(jù)觀測數(shù)據(jù)的變化趨勢不斷調整，土工膜能夠及時將實測數(shù)據(jù)的變化納入系統(tǒng)，由
此得到的蠕變預測值也更為合理。目前常用的動態(tài)預測方法有:
(1)土工膜BP神經(jīng)網(wǎng)絡模型
在預測領域中應用最廣泛的是BP網(wǎng)絡。BP網(wǎng)絡的學習算法是一種誤差反向傳播式網(wǎng)絡權值訓練方法。它的理論基礎是多層神經(jīng)網(wǎng)絡模型，它包括輸入層、隱
層和輸出層3個層次，輸入層有n個結點，輸出層有m個結點。神經(jīng)網(wǎng)絡是一個復雜的非線性動力學網(wǎng)絡系統(tǒng)，一個具有偏差和至少一個S型隱含層加上一個線性
輸出層的網(wǎng)絡能夠逼近任何有理函數(shù)。最小二乘和BP神經(jīng)網(wǎng)絡特有的非線性能力，土工膜較好地解決了蠕變系數(shù)及三參數(shù)法對蠕變數(shù)據(jù)擬合精度不高的問題。但神經(jīng)網(wǎng)絡
需要大量的數(shù)據(jù)作為學習和訓練網(wǎng)絡結構，土工膜實踐證明，在貧數(shù)據(jù)的情況下應用神經(jīng)網(wǎng)絡，其結果不夠理想。www.tianbaishan.com