✅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。

⛄ 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,:)

        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=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

【BP时序预测】基于鲸鱼算法优化BP神经网络实现温度数据预测附matlab代码_第1张图片

【BP时序预测】基于鲸鱼算法优化BP神经网络实现温度数据预测附matlab代码_第2张图片

【BP时序预测】基于鲸鱼算法优化BP神经网络实现温度数据预测附matlab代码_第3张图片

⛄ 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