El modelo estadístico es un modelo de diagnóstico de seguridad tradicional para la filtración de presas. Difícilmente puede mostrar la relación no lineal entre la filtración de la presa y los conjuntos de carga y tiene la desventaja de una pobre predicción de la extensión. En este artículo, se aplican las teorías de la red neuronal de propagación inversa (BPNN) combinadas con el algoritmo genético (GA) al modelo de predicción de filtraciones. Tomando como ejemplo una presa típica de China, se comparan los resultados de predicción del modelo BPNN-GA y del modelo estadístico con los valores de monitorización. Los resultados muestran que el modelo mejorado de infiltración de presas mejora la capacidad de mapeo no lineal y generalización y hace que la predicción de infiltración sea más precisa y razonable en un futuro próximo. De acuerdo con el criterio establecido, se evalúa el estado de seguridad de la presa en época de crecidas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Sincronización basada en observador integral adaptativo para sistemas caóticos con parámetros desconocidos y perturbaciones.
Artículo:
Algoritmo eficaz para el cálculo de transitorios de redes eléctricas con ramas magnetizadoras incluidas
Artículo:
Productos infinitos de matrices y la representación de la función gamma de matrices
Artículo:
Función neutrosófica para evaluar el efecto de escala de la rugosidad superficial de la junta de la roca
Artículo:
Control basado en Lyapunov para suprimir el galope inducido por el viento en puentes colgantes
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.