✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
实时监控拱坝的温度对工程进度和坝体安全具有重要意义.以白莲崖碾压混凝土拱坝温度监测数据 为研究对象,建立基于MATLAB的拱坝温度监测WOA-BP神经网络预测模型,用原型观测数据对其进行校核和检验,并BP预测结果进行比较.结果证明,用WOA-BP人工神经网络建立坝体变形的神经网络模型对大坝变形能够进 行较高精度的预测,具有良好的应用前景.
⛄ 部分代码
function [Leader_pos,Leader_score, curve]=WOA(popsize,maxgen,dim,lb,ub,fitness)
%初始化位置向量和领导者得分
Leader_pos=zeros(1,dim);
Leader_score=10^20;
%% 初始化种群
for i=1:dim
ub_i=ub(i);
lb_i=lb(i);
Positions(:,i)=rand(popsize,1).*(ub_i-lb_i)+lb_i;
end
curve=zeros(maxgen,1);%初始化收敛曲线
%% 循环开始
h0=waitbar(0,'WOA optimization...');
for t=1:maxgen
for i=1:size(Positions,1)%对每个个体一个一个检查是否越界
%对每个个体一个一个检查是否越界
% 返回超出搜索空间边界的搜索代理
Flag4ub=Positions(i,:)>ub;
Flag4lb=Positions(i,:)<lb;
Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;%超过最大值的设置成最大值,超过最小值的设置成最小值
%目标函数值的计算
fit(i)=fitness( Positions(i,:));
% 更新领导者位置
if fit(i)<Leader_score
Leader_score=fit(i);
Leader_pos=Positions(i,:);
end
end
a=2-t*((2)/maxgen);
a2=-1+t*((-1)/maxgen);
%参数更新
for i=1:size(Positions,1)
r1=rand();r2=rand();
A=2*a*r1-a;
C=2*r2;
b=1;
l=(a2-1)*rand+1;
p = rand();
for j=1:size(Positions,2)%对每一个个体地多维度进行循环运算
%收缩包围机制
if p<0.5
if abs(A)>=1
rand_leader_index = floor(popsize*rand()+1);%floor将 X 的每个元素四舍五入到小于或等于该元素的最接近整数
X_rand = Positions(rand_leader_index, :);
D_X_rand=abs(C*X_rand(j)-Positions(i,j));
Positions(i,j)=X_rand(j)-A*D_X_rand;
elseif abs(A)<1
D_Leader=abs(C*Leader_pos(j)-Positions(i,j));
Positions(i,j)=Leader_pos(j)-A*D_Leader;
end
%螺旋更新位置
elseif p>=0.5
distance2Leader=abs(Leader_pos(j)-Positions(i,j));
Positions(i,j)=distance2Leader*exp(b.*l).*cos(l.*2*pi)+Leader_pos(j);
end
end
end
curve(t)=Leader_score;
waitbar(t/maxgen,h0)
end
close(h0)
setdemorandstream(pi);
⛄ 运行结果
⛄ 参考文献
[1] 秦焕瀛, 齐辉, 彭金辉,等. 基于BP神经网络的拱坝温度监测数据预测模型[J]. 水电与抽水蓄能, 2011, 35(001):57-59.
[2] 肖雄. PSO优化BP神经网络岩爆预测的Matlab实现[J]. 中国房地产业, 2018(17):1.
[3] 郭利进, 乔志忠. 基于遗传算法优化BP神经网络的粮食温度预测研究[J]. 粮食与油脂, 2023, 36(1):5.
[4] 戴宝赋. 基于BP神经网络的光伏发电量预测算法研究及实现.
⛳️ 完整代码
❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料