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:其原始數據處理系統(tǒng)可以根據觀測數據的變化趨勢不斷調整，
土工膜能夠及時將實測數據的變化納入系統(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神經網絡模型
在預測領域中應用最廣泛的是BP網絡。BP網絡的學習算法是一種誤差反向傳播式網絡權值訓練方法。它的理論基礎是多層神經網絡模型，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。神經網絡是一個復雜的非線性動力學網絡系統(tǒng)，一個具有偏差和至少一個S型隱含層加上一個線性
輸出層的網絡能夠逼近任何有理函數。最小二乘和BP神經網絡特有的非線性能力，
土工膜較好地解決了蠕變系數及三參數法對蠕變數據擬合精度不高的問題。但神經網絡
需要大量的數據作為學習和訓練網絡結構，
土工膜實踐證明，在貧數據的情況下應用神經網絡，其結果不夠理想。www.dumiyu.com
