第４２卷第１期红水河Ｖｏｌ．４２Ｎｏ．１２０２３年２月ＨｏｎｇＳｈｕｉＲｉｖｅｒＦｅｂ．２０２３基于ＰＣＡ－ＢＰ神经网络的水电站库区边坡稳定性分析甘海龙（广西机电职业技术学院，广西南宁５３０００７）摘要：为检验神经网络在水电站库区边坡稳定性预测的可行性，通过结合原始数据ＰＣＡ及神经网络的模式识别特性，构建神经网络模型，对３８组实测数据进行ＰＣＡ处理，选取３２组数据作为神经网络输入端数据、６组数据验证神经网络的工作性能。结果表明，神经网络对水电站库区边坡稳定性模式识别率达到８３．３％。训练良好的神经网络可以用于工程实践中的水电站库区边坡稳定性预测。关键词：ＰＣＡ－ＢＰ；神经网络；边坡稳定性；水电站；库区中图分类号：ＴＰ６４２．２文献标志码：Ａ文章编号：１００１－４０８Ｘ（２０２３）０１－０１２２－０５ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－４０８Ｘ．２０２３．０１．０２５开放科学（资源服务）标识码（ＯＳＩＤ）：ＳｌｏｐｅＳｔａｂｉｌｉｔｙＡｎａｌｙｓｉｓｏｆＨｙｄｒｏｐｏｗｅｒＳｔａｔｉｏｎＲｅｓｅｒｖｏｉｒＡｒｅａＢａｓｅｄｏｎＰＣＡ－ＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＧＡＮＨａｉｌｏｎｇ(ＧｕａｎｇｘｉＴｅｃｈｎｏｌｏｇｉｃａｌＣｏｌｌｅｇｅｏｆＭａｃｈｉｎｅｒｙａｎｄＥｌｅｃｔｒｉｃｉｔｙ,Ｎａｎｎｉｎｇ５３０００７,Ｃｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｔｅｓｔｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｓｌｏｐｅｓｔａｂｉｌｉｔｙｉｎｔｈｅｒｅｓｅｒｖｏｉｒａｒｅａｏｆｈｙｄｒｏｐｏｗｅｒｓｔａｔｉｏｎ,ａｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄｂｙｃｏｍｂｉｎｉｎｇｔｈｅｏｒｉｇｉｎａｌｄａｔａＰＣＡａｎｄｔｈｅｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ．ＰＣＡｐｒｏｃｅｓｓｉｎｇｉｓｐｅｒｆｏｒｍｅｄｏｎ３８ｓｅｔｓｏｆｍｅａｓｕｒｅｄｄａｔａ,ａｎｄ３２ｓｅｔｓｏｆｄａｔａａｒｅｓｅｌｅｃｔｅｄａｓｔｈｅｉｎｐｕｔｄａｔａｏｆｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄ６ｓｅｔｓｏｆｄａｔａｔｏｖｅｒｉｆｙｔｈｅｗｏｒｋｉｎｇｐｅｒｆｏｒｍａｎｃｅｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｃｏｇｎ...
