库坝区渗漏非模式识别模型研究
|
摘要
库坝区渗漏破坏的机理始终是工程研究的重要课题之一，本文回顾了国内外多起库坝垮塌事故，其中因渗漏引起的渗透破坏最为常见。本文正是针对这一常见的工程问题进行了探索性研究。对于存在渗漏的库坝区而言，其地下水成分是很复杂的，这种复杂性体现在补给来源多样和受周边环境影响难以消除。本文从分析包括库水、尾水以及场区钻孔中地下水特征在内的水样信息研究渗漏水来源的思路出发，基于模式识别的思想建立相关模型，实现水样类别的定量化划分，并将研究成果应用于龙羊峡坝区地下水渗流场分析。本文针对定量计算方面进行了系统和深入的研究，主要内容如下：
(1) 在模式识别思想的基础上将参数无量纲化，从模糊数学的基本理论出发，建立可以为水样定量化分类的混合比模型，并分别从从理论研究和工程实际应用的角度给出了库坝区渗漏相关的水样类别界定标准。根据该模型，可以将常见的水样分为七类，即：理想边坡水、边坡水、边坡水占优的混合水、理想混合水、库水占优的混合水、库水、理想库水。
(2) 针对用于模式识别研究的样本和样本基元的数量、类别等对结果的影响以及它们对于研究的适用性，分别给出样本和样本基元的筛选原则及方法，如模糊聚类方法、统计学方法等。
(3) 基于Talor公式和BP网络的基本算法建立了多因素增量模型，并给出形式简洁、物理意义清晰的解析解，该模型可以通过结合上述混合比模型的水样分类依据完成模式识别。
After reviewing some Chinese and foreign accidents in dams and reservoirs region, it is discovered that a great number of them are caused by leakage, which means that the seepage deformation is one of the main reasons that can cause dikes failure, so the study on mechanism of leakage failures has great significance for dike safety, which is also the study center in this paper. Based on the pattern recognition techniques and artificial neural network, a model is established, by which the water samples could be classified as reservoir water, ground water of the well, et al based on the characteristic of water samples. At last, Aiming to test the validity of model, groundwater seepage field of Longyangxia dam was analysised through such model. The major contents are as follows:
(1)After to processing non dimensional quantities of original data based on elements of pattern recognition, a mixing ratio model is established based on basic theory of fuzzy mathematics, which can classified the water samples quantitatively. Also the model give the definition criterion of difference water. So the water samples could be classified as pure slope water, slope water local water, local water, main local water mixing water with most slope water, mixing water, mixing water with most reservoir, reservoir water, pure reservoir water based on such criterion.
(2)Aiming at making clear the effect degree of result from samples, numbers and types of sample indexes in pattern recognition study field, some filtering principles and methods are put forward, such as fussy clustering method, statistics method, etc.
(3)Basing on the basic arithmetic of Talor equation and BP network model, a multi-factor increment model is established. Then, the analytic solution with simple form but clear physic meaning is given. This model may achieve the pattern recognition combining with mixing ratio model.
(1) 在模式识别思想的基础上将参数无量纲化，从模糊数学的基本理论出发，建立可以为水样定量化分类的混合比模型，并分别从从理论研究和工程实际应用的角度给出了库坝区渗漏相关的水样类别界定标准。根据该模型，可以将常见的水样分为七类，即：理想边坡水、边坡水、边坡水占优的混合水、理想混合水、库水占优的混合水、库水、理想库水。
(2) 针对用于模式识别研究的样本和样本基元的数量、类别等对结果的影响以及它们对于研究的适用性，分别给出样本和样本基元的筛选原则及方法，如模糊聚类方法、统计学方法等。
(3) 基于Talor公式和BP网络的基本算法建立了多因素增量模型，并给出形式简洁、物理意义清晰的解析解，该模型可以通过结合上述混合比模型的水样分类依据完成模式识别。
After reviewing some Chinese and foreign accidents in dams and reservoirs region, it is discovered that a great number of them are caused by leakage, which means that the seepage deformation is one of the main reasons that can cause dikes failure, so the study on mechanism of leakage failures has great significance for dike safety, which is also the study center in this paper. Based on the pattern recognition techniques and artificial neural network, a model is established, by which the water samples could be classified as reservoir water, ground water of the well, et al based on the characteristic of water samples. At last, Aiming to test the validity of model, groundwater seepage field of Longyangxia dam was analysised through such model. The major contents are as follows:
(1)After to processing non dimensional quantities of original data based on elements of pattern recognition, a mixing ratio model is established based on basic theory of fuzzy mathematics, which can classified the water samples quantitatively. Also the model give the definition criterion of difference water. So the water samples could be classified as pure slope water, slope water local water, local water, main local water mixing water with most slope water, mixing water, mixing water with most reservoir, reservoir water, pure reservoir water based on such criterion.
(2)Aiming at making clear the effect degree of result from samples, numbers and types of sample indexes in pattern recognition study field, some filtering principles and methods are put forward, such as fussy clustering method, statistics method, etc.
(3)Basing on the basic arithmetic of Talor equation and BP network model, a multi-factor increment model is established. Then, the analytic solution with simple form but clear physic meaning is given. This model may achieve the pattern recognition combining with mixing ratio model.
引文
1．杨连生主编．水利水电工程地质[M]．武汉：武汉大学出版社，2004．
2．崔冠英，潘品蒸．水利工程地质[M]．北京：中国水利水电出版社，1985．
3．牛运光．病险水库加固实例[M]．北京：中国水利水电出版社，2003．
4．李海鸥．宜冲桥水库近坝库区水库渗漏分析与评价[J]．湖南水力水电，2003，(1)：21-22．
5．陈光祥．渔洞水库渗漏问题研究[J]．云南水力发电，2004，20(1)：39-41．
6．彭仕雄，杨建，梁杏．紫坪铺坝址左岸邻谷渗漏问题分析[J]．2006，22(2)：100-102．
7．米德才，张新兴．浩坤水电站水库岩溶渗漏研究[J]．2005，33(S 1)：242-246．
8．陈光祥．花山水库河间地块的渗漏研究[J]．云南水力发电，2003，19(S1)：18-20．
9．陈建生，张发明，张虎成．龙羊峡大坝同位素示踪方法探测渗流场研究[J]．河海大学学报，1999，27(6)：1-6．
10．李兆林，邹胜章，陈宏峰．广西龙州金龙水库岩溶渗漏分析与治理[J]．桂林工学院学报，2006，3(26)：342-346．
11．陈大新．大偏岩塘溶洞发育特征及对库水渗漏的影响[J]．防渗技术，1999，5(3)：43-46．
12．刘淑敏，葛建文．陡河水库坝基渗流稳定分析[J]．海河水利，1999，(4)：16-19．
13．辜永国．龙洞水库坝基帷幕灌浆施工及效果评价[J]．湖北水利发电，2001，(2)：15-18．
14．翁新海．高岭头水电站拱坝坝基渗漏分析及评价[J]．浙江水利水电专科学校学报，2001，14(1)：15-16．
15．杜国平，陈建生．盐锅峡水电站左坝绕坝及台地渗水的同位素示踪研究[J]．西北水资源与水工程，1998，9(1)：1-6．
16．杜国平，陈建生，刘怀成．乌溪江水电厂右坝绕坝渗流的同位素示踪应用研究[J]．武汉水利电力大学学报，1996，29(3)：24-29．
17．杜国平，曹建辉，李国凡．示踪技术在水库绕坝渗漏研究中的应用[J]．地下水，1998，20(4)：172-177．
18．刘建刚，陈建生，陈亮．小浪底缓倾角结构坝基的渗漏及示踪探测研究[J]．岩石力学与工程学报，2004，23(8)：1339-1343．
19．陈建生，董海洲，凡哲超．示踪法对小浪底坝区绕坝渗漏通道的研究[J]．长江科学院院报，2004，2l(2)：14-17．
20．陈建生，董海洲，陈亮．黄壁庄水库副坝塌坝原因的同位素方法研究[J]．河海大学学报(自 然科学版)，2004，32(5)：542-545．
21．陈建生，董海洲，陈亮．采用环境同位素方法研究北江大堤石角段基岩渗漏通道[J]．水科学进展，2003，14(1)：57-61．
22．陈建生，刘建刚，董海洲等．环境同位素示踪方法研究新安江右坝肩绕坝渗流[J]．中国工程科学，2004，(1)：57-63．
23．杨松堂，陈建生．小浪底坝肩绕坝渗漏的综合示踪研究[J]．西部探矿工程，2003，(7)：1-3．
24．中华人民共和国水利部．堤防工程施工质量评定与验收规程规范[M]．北京：中国水利水电出版社，1999．
25．李端有，熊健等．土石坝渗流热监测技术研究[J]．长江科学院院报，2005(6)：29-33．
26．魏德荣，赵花城，秦一涛等．基于光纤温度测量的渗漏监测技术[J]．浙江水利科技，2004(2)：19-21．
27．秦一涛，刘剑鸣，夏旭鹏等．分布式光纤温度监测系统在长调水电站的应用实践[Jr]．大坝与安全，2004(1)：45-48．
28．朱伯芳，王同生，丁宝瑛等．水工混凝土的温度应力与温度控制[M]．北京：水利电力出版社，1976．
29．邹成杰．岩溶区地温场与岩溶渗漏问题的研究[J]．中国岩溶，1989(2)：58-65．
30．林叔忠．用温度量测法探测土中的渗流[J]．广东水利水电，1994：15-17．
31．王志远，王占锐，王燕．一项渗流监测新技术—排水孔测温法[J]．大坝观测与土工测试，1997(4)：5-7．
32．肖才忠，潘文昌．由温度场研究坝基渗流初探[J]．人民长江，1999(5)：21-23．
33．黄涛．隧道裂隙岩体温度一维渗流耦合数学模型研究[J]．岩土工程学报，1999(5)：554-558．
34．赖远明．寒区大坝温度场和渗流场耦合问题的非线性数值模拟[J]．水利学报，2001(8)：26-31．
35．柴军瑞．混凝土坝渗流场与稳定温度场耦合分析的数学模型[J]．水力发电学报，2000(1)：27-35．
36．柴军瑞，韩群柱．岩体渗流场与温度场耦合的连续介质模型[J]．地下水，1997(2)：59-62．
37．王锦国，周志芳．地下水热量运移模拟的BEM-FAM耦合法[J]．水利学报，2001(5)：71-76．
38．刘建刚，陈建生．平面热源法在北江石角段堤基渗漏分析中的应用[J]．水利水运工程学 报，2002(3)：63-65．
39．周志芳，王锦国．河流峡谷区地下水温度异常特征分析[J]．水科学进展，2003(1)：62-66．
40．H．H 叶尔马科娃．皮罗戈夫斯克水利枢纽渗透的温度观测[J]．水利水电快报，2003(8)：20-22．
41．董海洲，陈建生．利用孔中温度场分布确定堤坝渗透流速的热源法模型研究[J]．水文地质工程地质，2003(5)：40-43．
42．陈建生，董海洲，余波等．利用线热源法研究堤防集中渗漏通道[J]．地球物理学进展，2003(3)：400-403．
43．金旭，竹内笃雄．大坝和堤防渗漏快速探测的浅层地温测量方法[J]．大坝与安全，2004(1)：20-23．
44．董海洲．堤坝热源法模型研究[D]．南京：河海大学，2004．
45. Guidebook on Nuclear Techniques in Hydrology[C]. IAEA, Vienna, 1983.
46. Drost W., Klotz D., Koch A., Moser H., Neumaier F., Rauert W. Point dilution methods of investigating groundwater flow by means of radioisotopes [J]. Water Resource Research, 1968, (4): 15-19.
47. Drost W., Moser H.. Isotope methods in groundwater Hydrology [M]. Eurisotop Office Information and Documentation Seruice, 1974.
48. Drost W., Application of groundwater measurements by means of radioisotopes on groundwater exploration [C]. Water for the Human Environment Ⅰ (Proc. Congress Chicago, 1973), IWRA, Champaign, Illinois(1975): 357.
49. Plata A. Detection of leaks from reservoir and lakes [J]. Using of artificial tracer in hydrology, IAEA-TECDOC-601. Vienna: IAEA, 1991: 71.
50．陈建生，杜国平．同位素示踪技术在广州蓄能电站水文地质中的应用研究[J]．工程勘察，1993，(2)：32-36．
51．陈建生，杜国平．八盘峡水电厂右付坝绕坝渗流探测研究[J]．大坝观测与土工测试，1994，18(6)：19-26．
52．陈建生，杜国平．多含水层稳定流非干扰多孔井流物理模型及示踪技术研究[J]．水利学报，1997，(5)：60-65．
53．李樟苏等编著．同位素技术在水利工程中的应用[M]．水利电力出版社，1990．
54．高占兴．放射性同位素多孔脉冲法测定层状含水层的有效孔隙度[J]．勘察科学技术， 1989：1-4．
55．高占兴，刘光尧．黄水河地下水库多层结构含水层参数的同位素示踪测定[J]．勘察科学技术，1991：2-5．
56．唐金荣，刘光尧等．寨子汶河河谷天然流场二维弥散试验和参数计算[J]．水文地质工程地质，1989：3-6．
57．何勇军，薛宝林．土石坝渗流的神经网络监控模型[J]．河海大学学报，2001，29(2)：79-82．
58．郭海庆，吴中如，张乾飞．渗透系数反演的CHNN模型方法[J]．长江科学院院报，2001，18(3)：25-28．
59．张立君，刘先珊，王永兵．径向基函数神经网络模型在渗流监测中的应用[J]．人民长江，2002，33(12)：26-28．
60．张乾飞，徐洪钟，吴中如等．基于模糊聚类的神经网络模型及其在渗流分析中的应用[J]．水力发电学报，2002，(2)：37-43．
61．刘先珊，余成学，张立君．渗流反分析中交替迭代算法神经网络研究[J]．岩石力学与工程学报，2004，23(9)：1470-1475．
62．张我华，余功栓，蔡袁强．堤与坝管涌发生的机理及人工智能预测与评定[J]．浙江大学学报(工学版)，2004，38(7)：902-908．
63．刘先珊，周创兵，张立君．基于模拟退火的Gauss-Newton算法的神经网络在渗流反分析中的应用[J]．岩土力学，2005，26(3)：404-408．
64．张乾飞，张秋野．大坝渗流场转异时效计算的神经网络法[J]，水电能源科学，2005，23(3)：62-65．
65．丁光彬，宿辉，李彦军．基于ANFIS的大坝渗流监测数据处理和安全预报[J]．水利水电技术，2006，37(4)：90-91．
66．肖淑霞，台运华，费宗如．单井示踪和灌浆技术在某堤防除险加固工程中的应用[J]．山东农业大学学报(自然科学版)，2004，35(3)：425-428．
67．梅正星．采用酵母菌追踪岩溶病害水库的渗漏通道[J]．水力水电技术，1984，(5)：61-64．
68．梅正星．地下水连通试验资料的整理和分析[J]．水力水电技术，1988，(1)：10-16．
69．金可礼，顾昭明，李永祥．光纤传感器在茜坑水库土坝渗流监测中的应用[J]．水利水电科技进展，2005，25(4)：53-55．
70．蔡德所．光纤传感技术在大坝工程中的应用[M]．北京：中国水利水电出版社，2002．
71．邹声杰，汤井田，何继善．流场拟合法在堤坝渗漏管涌探测中的应用[J]．人民长江，2004， 35(2)：7-9．
72．樊哲超，陈建生，董海洲．模糊聚类方法研究堤坝渗漏[J]．岩土力学，2006，27，(7)：1214-1218．
73．马奎斯德萨著，吴逸飞译．模式识别—原理、方法及应用[M]．北京：清华大学出版社，2002．
74．边肇祺编著．模式识别[M]．北京：清华大学出版社，1999．
75．黄崇福，王家鼎编著．模糊信息分析与应用[M]．北京：北京师范大学大学出版社，1992．
76．孙即样编著．现代模式识别[M]．长沙：国防科技大学出版社，2001．
77．陈允平，王旭蕊，韩宝亮编．人工神经网络原理及其应用[M]．北京：中国电力出版社，2002．
78．周开利，康耀红编著．神经网络模型记忆MATLAB仿真程序设计[M]．北京：清华大学出版社，2005．
79．Haykin S．著，叶世伟等译．神经网络原理[M]．北京：机械工业出版社，2004．
80．杨建刚编著．人工神经网络实用教程[M]．杭州：浙江大学出版社，2001．
81. Funahashi K. On the approximate realization of continuous mappings by neural networks [J]. Neural Networks, 1989, 2(7): 183-192.
82. Hecht-Nielsen R. Theory of the back propagation neural networks [M]. Washington D. C. Proceedings of IEEE international Joint Conference on Neural networks, 1989.
83. Lippmann R P. An introduction to computing with neuralnets[M]. Washington D C: IEEE ASSPM Magazine, 1999.
84. Tamura S, et al. Capabilities of four-layered feed-forward NN, four layer versus three layer[J]. IEEE Trans on Neural Networks, 1997, 8(3): 251-255.
85. Widrow B. Adaline and Madaline[A]. Proceedings of IEEE 1st International Conference on Neural Networks[C], 1987, 143-158.
86. Akaike H. A new look at the statistical model identification[J]. IEEE Transactions on Automatic Control, 1974, 6(19): 716-723.
87．刘光远，邱玉辉，虞厥邦．中间层神经元饱和化与稳健性研究[J]．计算机科学，1992，26(2)：62-63．
88．李玉鉴．前馈神经网络中中间层神经元数目的一种直接估计方法[J]．计算机学报，1999，22(11)：1204-1208．
89．许世刚，索丽生．确定前向神经网络中间层神经元数的模糊聚类分析法[J]．河海大学学 报，2001，29(3)：17-20．
90．朴相范，崔荣一，洪炳熔等．基于子空间分析的前馈神经网络中间层评测方法[J]．湖南科技大学学报(自然科学版)，2002，19(41：59-63．
91．袁红春，熊范纶，淮晓永．一种估计前馈神经网络中中间层神经元数目的新方法[J]．小型微型计算机系统，2003，24(4)：657-660．
92．崔荣一，洪炳熔．关于三层前馈神经网络中间层构建问题的研究[J]．计算机研究与发展，2004，41(4)：524-530．
93. Daqi Gan. The optimal number of hide nodes in multilayed feedforward neural networks [J]. IEEE-SMC CESA, Lille, Ffance, July, 1996.
94. Husken M. et al. Structure optimization of neural networks for evolutionary design optimization [J]. Soft computing-a fusion of Foundations, Methodologies and Applications, 2005, 9(1): 21-28.
95．张立明．人工神经网络的模型及其应用[M]．上海，复旦大学出版社，1993．
96. Hyunjin Lee, et al. Network optimization through learning and pruning in neuromanifold [J]. Lecture Notes in Computer Science, 2002, 24(17): 169-177.
97. Chung F L, Lee L. Nwtwork-growth approach to design of feed-forward neural networks [J]. IEEE Proc Control theory Appl, 1995, 142(5): 486-492.
98. Chung F L, Lee L. Growth of back-propagation neural networks [C]. Beijing: proc of Int Joint Conf on Nrueal Networks, 1992.
99. Littmann E, Ritter H. Cascade network architectures [C]. Singapore: Proc of 1992 IJCNN, 1992.
100．文绍纯，罗飞，付连续．遗传算法在人工神经网络中的应用综述[J]．计算技术与自动化，2001，20(2)：1-5．
101. Henderson C E. et al. Predicting aflatoxin contamination in peanuts: a genetic algorithm neural network approach [J]. Applied intelligence, 2000, 12(3): 183-192.
102. Kononen. Self-organizing feature maps and abstractions [C]. North-Holland: Artificial Intelligence and Information-Control Systems of Roberts, Proceedings of the Third International Conference. 1984.
103. Choi D, Park S. Self-creating and organizing neural networks [J]. IEEE Trans on Neural Networks, 1994, 5(4): 561-575.
104．阎平凡．结构自适应自组织神经网络的研究[J]．电子学报，1999，27(7)：55-58．
105．洛伦茨GG著，谢庭藩，施威亮译．函数通近论[M]．上海：上海科学技术出版社，1981．
106．张清良，李先明．一种确定神经网络中间层神经元数的新方法[J]．吉首大学学报(自然科学版)，2002，23(1)：89-91．
107．姜绍飞著．基于神经网络的结构优化与损伤检测[M]．北京：科学出版社，2002．
108．苑希民等著．神经网络和遗传算法在水科学领域的应用[M]．北京：中国水利水电出版社，2002．
109．张忠典，李冬青，赵洪运等．建立点焊质量神经网络监测模型时作用函数的选取[J]．焊接学报，2002，23(3)：59-62．
110. Alessendro Sperduti, et al. Speed up Learning and Network Optimization with Extended Back Propagation [J]. Neural Network, 1993, (6): 365-383.
111．罗泗维等．学习率自调整BP算法[J]．北方交通大学学报 1993，17(2)：173-177．
112．刘志东等．利用线性再励的自适应变步长快速BP算法[J]．模式识别与人工智能，1993，6(4)：319-323．
113．叶东毅．BP网络的一个非单调学习算法[J]．模式识别与人工智能 1997，10(3)：221-225．
114．吕伯权，李天铎．一种改进的BP算法[J]．系统仿真学报 1997，9(3)：84-87．
115．叶东毅．BP神经网络的一个带跳步策略的学习算法[J]．电路与系统学报 1998，3(1)：92-95．
116．徐永．一种能令网络跳离假饱和区的改进BP算法[J]．系统仿真学报，2000，12(6)：609-610．
117．杨晓红，刘乐善．用遗传算法优化神网络络结构[M]．计算机应用与软件，1997(3)：59-65．
118．李士勇．模糊控制·神经控制和智能控制[M]．哈尔滨：哈尔滨工业大学出版社，1996
119．陈守煜．复杂水资源系统优化模糊识别理论与应用[M]．吉林：吉林大学出版社，2002年．
120．李洪兴，汪群，段钦治等．工程模糊数学方法及应用[M]．天津：天津科学技术出版社，1993．
121．彭祖赠，孙韫玉编著．模糊(Fuzzy)数学及其应用[M]．武汉：武汉大学出版社，2002．
122．蒋泽军．模糊数学教程[M]．北京：国防工业出版社，2004．
123．张云波．神经网络近似结构分析的最佳样本集[J]．华侨大学学报(自然科学版)，2001，22(4)：397-400．
124. Widrow B. Adaline and Madaline[A]. Proceedings of IEEE 1st International Conference on Neural Networks[C], 1987, 143-158.
125．樊哲超，陈建生，董海洲等．应用环境同位素和模糊聚类方法研究堤防渗漏[J]．水利水电科技进展，2005，25(2)：8-10．
126. Zupan J. Neural Networks for Chemists: An Introduction [M]. New York: Weinheim, 1993.
127．吴飞．产生随机数的几种方法极其应用．数值计算与计算机应用[J]．数值计算与计算机应用，2006，(1)：48-51．
128．王俊德．水文统计[M]．北京：水利电力出版社，1993．
129．盛骤，谢式千，潘承毅编．概率论与数理统计[M]．北京：高等教育出版社，2001．
130．刘文杰，马海波．人工神经网络训练样本的相容性检测及化简[J]．大连铁道学院学报，2000，21(2)：47-49．
131．飞思科技产品研发中心编著．神经网络理论与MATLAB7实现[M]．北京：电子工业出版社，2005．
132. Koejancie R, Zupan J. Modelling of the River Flowrate: the Influence of the Training Set Selection[J]. Chemometrics and Intelligent Laboratory Systems, 2000, 54(1): 21-34.
133. Karmen R K, Zupan J, Majcen N. Separation of Data on the Training and Test Set for Modelling: a Case Study for Modelling of Five Colour Properties of a White Pigment[J]. Chemometries and Intelligent Laboratory Systems, 2003, 65(2): 221-229.
134．盛守照，王道波，黄向华．一种动态筛选样本的前向神经网络快速学习算法[J]．电子与信息学报，2005，27(11)：1818-1820．
135．王恒纯主编．同位素水文学IM]．北京：地质出版社，1991．
136．陈建生，董海洲，吴庆林．虚拟热源法研究坝基裂隙岩体渗漏通道[J]．岩石力学与工程学报，2005，24(22)：4019-4024．
137．李昌静，卫钟鼎．地下水水质及其污染[M]．北京：中国建筑工业出版社，1983．
138．刘建刚，郑克勋，傅伟宁．地下水碳酸平衡检查系统[J]．中国工程科学，2003，5(9)：61-64
139．高大文，王鹏，孙丽欣等．人工神经网络输入层神经元筛选规则的确定[J]．高技术通讯，2002，(6)：65-68．
140．李倩，邓浩江，王守觉．一种可识别样本中共同抽象特征的神经网络[J]．电子学报，2001，(8)：1028-1031．
141. WANG Shoujue. Poriority ordered neural networks with better similarity to human knowledge representation[J]. Chinese Journal of Electronics, 1999, 8(1): 1-4.
142．王守觉等．通用前馈网络及排序学习前向掩蔽模型在模式识别中的应用[J]．电子学报，1998，26(8)：1-6．
2．崔冠英，潘品蒸．水利工程地质[M]．北京：中国水利水电出版社，1985．
3．牛运光．病险水库加固实例[M]．北京：中国水利水电出版社，2003．
4．李海鸥．宜冲桥水库近坝库区水库渗漏分析与评价[J]．湖南水力水电，2003，(1)：21-22．
5．陈光祥．渔洞水库渗漏问题研究[J]．云南水力发电，2004，20(1)：39-41．
6．彭仕雄，杨建，梁杏．紫坪铺坝址左岸邻谷渗漏问题分析[J]．2006，22(2)：100-102．
7．米德才，张新兴．浩坤水电站水库岩溶渗漏研究[J]．2005，33(S 1)：242-246．
8．陈光祥．花山水库河间地块的渗漏研究[J]．云南水力发电，2003，19(S1)：18-20．
9．陈建生，张发明，张虎成．龙羊峡大坝同位素示踪方法探测渗流场研究[J]．河海大学学报，1999，27(6)：1-6．
10．李兆林，邹胜章，陈宏峰．广西龙州金龙水库岩溶渗漏分析与治理[J]．桂林工学院学报，2006，3(26)：342-346．
11．陈大新．大偏岩塘溶洞发育特征及对库水渗漏的影响[J]．防渗技术，1999，5(3)：43-46．
12．刘淑敏，葛建文．陡河水库坝基渗流稳定分析[J]．海河水利，1999，(4)：16-19．
13．辜永国．龙洞水库坝基帷幕灌浆施工及效果评价[J]．湖北水利发电，2001，(2)：15-18．
14．翁新海．高岭头水电站拱坝坝基渗漏分析及评价[J]．浙江水利水电专科学校学报，2001，14(1)：15-16．
15．杜国平，陈建生．盐锅峡水电站左坝绕坝及台地渗水的同位素示踪研究[J]．西北水资源与水工程，1998，9(1)：1-6．
16．杜国平，陈建生，刘怀成．乌溪江水电厂右坝绕坝渗流的同位素示踪应用研究[J]．武汉水利电力大学学报，1996，29(3)：24-29．
17．杜国平，曹建辉，李国凡．示踪技术在水库绕坝渗漏研究中的应用[J]．地下水，1998，20(4)：172-177．
18．刘建刚，陈建生，陈亮．小浪底缓倾角结构坝基的渗漏及示踪探测研究[J]．岩石力学与工程学报，2004，23(8)：1339-1343．
19．陈建生，董海洲，凡哲超．示踪法对小浪底坝区绕坝渗漏通道的研究[J]．长江科学院院报，2004，2l(2)：14-17．
20．陈建生，董海洲，陈亮．黄壁庄水库副坝塌坝原因的同位素方法研究[J]．河海大学学报(自 然科学版)，2004，32(5)：542-545．
21．陈建生，董海洲，陈亮．采用环境同位素方法研究北江大堤石角段基岩渗漏通道[J]．水科学进展，2003，14(1)：57-61．
22．陈建生，刘建刚，董海洲等．环境同位素示踪方法研究新安江右坝肩绕坝渗流[J]．中国工程科学，2004，(1)：57-63．
23．杨松堂，陈建生．小浪底坝肩绕坝渗漏的综合示踪研究[J]．西部探矿工程，2003，(7)：1-3．
24．中华人民共和国水利部．堤防工程施工质量评定与验收规程规范[M]．北京：中国水利水电出版社，1999．
25．李端有，熊健等．土石坝渗流热监测技术研究[J]．长江科学院院报，2005(6)：29-33．
26．魏德荣，赵花城，秦一涛等．基于光纤温度测量的渗漏监测技术[J]．浙江水利科技，2004(2)：19-21．
27．秦一涛，刘剑鸣，夏旭鹏等．分布式光纤温度监测系统在长调水电站的应用实践[Jr]．大坝与安全，2004(1)：45-48．
28．朱伯芳，王同生，丁宝瑛等．水工混凝土的温度应力与温度控制[M]．北京：水利电力出版社，1976．
29．邹成杰．岩溶区地温场与岩溶渗漏问题的研究[J]．中国岩溶，1989(2)：58-65．
30．林叔忠．用温度量测法探测土中的渗流[J]．广东水利水电，1994：15-17．
31．王志远，王占锐，王燕．一项渗流监测新技术—排水孔测温法[J]．大坝观测与土工测试，1997(4)：5-7．
32．肖才忠，潘文昌．由温度场研究坝基渗流初探[J]．人民长江，1999(5)：21-23．
33．黄涛．隧道裂隙岩体温度一维渗流耦合数学模型研究[J]．岩土工程学报，1999(5)：554-558．
34．赖远明．寒区大坝温度场和渗流场耦合问题的非线性数值模拟[J]．水利学报，2001(8)：26-31．
35．柴军瑞．混凝土坝渗流场与稳定温度场耦合分析的数学模型[J]．水力发电学报，2000(1)：27-35．
36．柴军瑞，韩群柱．岩体渗流场与温度场耦合的连续介质模型[J]．地下水，1997(2)：59-62．
37．王锦国，周志芳．地下水热量运移模拟的BEM-FAM耦合法[J]．水利学报，2001(5)：71-76．
38．刘建刚，陈建生．平面热源法在北江石角段堤基渗漏分析中的应用[J]．水利水运工程学 报，2002(3)：63-65．
39．周志芳，王锦国．河流峡谷区地下水温度异常特征分析[J]．水科学进展，2003(1)：62-66．
40．H．H 叶尔马科娃．皮罗戈夫斯克水利枢纽渗透的温度观测[J]．水利水电快报，2003(8)：20-22．
41．董海洲，陈建生．利用孔中温度场分布确定堤坝渗透流速的热源法模型研究[J]．水文地质工程地质，2003(5)：40-43．
42．陈建生，董海洲，余波等．利用线热源法研究堤防集中渗漏通道[J]．地球物理学进展，2003(3)：400-403．
43．金旭，竹内笃雄．大坝和堤防渗漏快速探测的浅层地温测量方法[J]．大坝与安全，2004(1)：20-23．
44．董海洲．堤坝热源法模型研究[D]．南京：河海大学，2004．
45. Guidebook on Nuclear Techniques in Hydrology[C]. IAEA, Vienna, 1983.
46. Drost W., Klotz D., Koch A., Moser H., Neumaier F., Rauert W. Point dilution methods of investigating groundwater flow by means of radioisotopes [J]. Water Resource Research, 1968, (4): 15-19.
47. Drost W., Moser H.. Isotope methods in groundwater Hydrology [M]. Eurisotop Office Information and Documentation Seruice, 1974.
48. Drost W., Application of groundwater measurements by means of radioisotopes on groundwater exploration [C]. Water for the Human Environment Ⅰ (Proc. Congress Chicago, 1973), IWRA, Champaign, Illinois(1975): 357.
49. Plata A. Detection of leaks from reservoir and lakes [J]. Using of artificial tracer in hydrology, IAEA-TECDOC-601. Vienna: IAEA, 1991: 71.
50．陈建生，杜国平．同位素示踪技术在广州蓄能电站水文地质中的应用研究[J]．工程勘察，1993，(2)：32-36．
51．陈建生，杜国平．八盘峡水电厂右付坝绕坝渗流探测研究[J]．大坝观测与土工测试，1994，18(6)：19-26．
52．陈建生，杜国平．多含水层稳定流非干扰多孔井流物理模型及示踪技术研究[J]．水利学报，1997，(5)：60-65．
53．李樟苏等编著．同位素技术在水利工程中的应用[M]．水利电力出版社，1990．
54．高占兴．放射性同位素多孔脉冲法测定层状含水层的有效孔隙度[J]．勘察科学技术， 1989：1-4．
55．高占兴，刘光尧．黄水河地下水库多层结构含水层参数的同位素示踪测定[J]．勘察科学技术，1991：2-5．
56．唐金荣，刘光尧等．寨子汶河河谷天然流场二维弥散试验和参数计算[J]．水文地质工程地质，1989：3-6．
57．何勇军，薛宝林．土石坝渗流的神经网络监控模型[J]．河海大学学报，2001，29(2)：79-82．
58．郭海庆，吴中如，张乾飞．渗透系数反演的CHNN模型方法[J]．长江科学院院报，2001，18(3)：25-28．
59．张立君，刘先珊，王永兵．径向基函数神经网络模型在渗流监测中的应用[J]．人民长江，2002，33(12)：26-28．
60．张乾飞，徐洪钟，吴中如等．基于模糊聚类的神经网络模型及其在渗流分析中的应用[J]．水力发电学报，2002，(2)：37-43．
61．刘先珊，余成学，张立君．渗流反分析中交替迭代算法神经网络研究[J]．岩石力学与工程学报，2004，23(9)：1470-1475．
62．张我华，余功栓，蔡袁强．堤与坝管涌发生的机理及人工智能预测与评定[J]．浙江大学学报(工学版)，2004，38(7)：902-908．
63．刘先珊，周创兵，张立君．基于模拟退火的Gauss-Newton算法的神经网络在渗流反分析中的应用[J]．岩土力学，2005，26(3)：404-408．
64．张乾飞，张秋野．大坝渗流场转异时效计算的神经网络法[J]，水电能源科学，2005，23(3)：62-65．
65．丁光彬，宿辉，李彦军．基于ANFIS的大坝渗流监测数据处理和安全预报[J]．水利水电技术，2006，37(4)：90-91．
66．肖淑霞，台运华，费宗如．单井示踪和灌浆技术在某堤防除险加固工程中的应用[J]．山东农业大学学报(自然科学版)，2004，35(3)：425-428．
67．梅正星．采用酵母菌追踪岩溶病害水库的渗漏通道[J]．水力水电技术，1984，(5)：61-64．
68．梅正星．地下水连通试验资料的整理和分析[J]．水力水电技术，1988，(1)：10-16．
69．金可礼，顾昭明，李永祥．光纤传感器在茜坑水库土坝渗流监测中的应用[J]．水利水电科技进展，2005，25(4)：53-55．
70．蔡德所．光纤传感技术在大坝工程中的应用[M]．北京：中国水利水电出版社，2002．
71．邹声杰，汤井田，何继善．流场拟合法在堤坝渗漏管涌探测中的应用[J]．人民长江，2004， 35(2)：7-9．
72．樊哲超，陈建生，董海洲．模糊聚类方法研究堤坝渗漏[J]．岩土力学，2006，27，(7)：1214-1218．
73．马奎斯德萨著，吴逸飞译．模式识别—原理、方法及应用[M]．北京：清华大学出版社，2002．
74．边肇祺编著．模式识别[M]．北京：清华大学出版社，1999．
75．黄崇福，王家鼎编著．模糊信息分析与应用[M]．北京：北京师范大学大学出版社，1992．
76．孙即样编著．现代模式识别[M]．长沙：国防科技大学出版社，2001．
77．陈允平，王旭蕊，韩宝亮编．人工神经网络原理及其应用[M]．北京：中国电力出版社，2002．
78．周开利，康耀红编著．神经网络模型记忆MATLAB仿真程序设计[M]．北京：清华大学出版社，2005．
79．Haykin S．著，叶世伟等译．神经网络原理[M]．北京：机械工业出版社，2004．
80．杨建刚编著．人工神经网络实用教程[M]．杭州：浙江大学出版社，2001．
81. Funahashi K. On the approximate realization of continuous mappings by neural networks [J]. Neural Networks, 1989, 2(7): 183-192.
82. Hecht-Nielsen R. Theory of the back propagation neural networks [M]. Washington D. C. Proceedings of IEEE international Joint Conference on Neural networks, 1989.
83. Lippmann R P. An introduction to computing with neuralnets[M]. Washington D C: IEEE ASSPM Magazine, 1999.
84. Tamura S, et al. Capabilities of four-layered feed-forward NN, four layer versus three layer[J]. IEEE Trans on Neural Networks, 1997, 8(3): 251-255.
85. Widrow B. Adaline and Madaline[A]. Proceedings of IEEE 1st International Conference on Neural Networks[C], 1987, 143-158.
86. Akaike H. A new look at the statistical model identification[J]. IEEE Transactions on Automatic Control, 1974, 6(19): 716-723.
87．刘光远，邱玉辉，虞厥邦．中间层神经元饱和化与稳健性研究[J]．计算机科学，1992，26(2)：62-63．
88．李玉鉴．前馈神经网络中中间层神经元数目的一种直接估计方法[J]．计算机学报，1999，22(11)：1204-1208．
89．许世刚，索丽生．确定前向神经网络中间层神经元数的模糊聚类分析法[J]．河海大学学 报，2001，29(3)：17-20．
90．朴相范，崔荣一，洪炳熔等．基于子空间分析的前馈神经网络中间层评测方法[J]．湖南科技大学学报(自然科学版)，2002，19(41：59-63．
91．袁红春，熊范纶，淮晓永．一种估计前馈神经网络中中间层神经元数目的新方法[J]．小型微型计算机系统，2003，24(4)：657-660．
92．崔荣一，洪炳熔．关于三层前馈神经网络中间层构建问题的研究[J]．计算机研究与发展，2004，41(4)：524-530．
93. Daqi Gan. The optimal number of hide nodes in multilayed feedforward neural networks [J]. IEEE-SMC CESA, Lille, Ffance, July, 1996.
94. Husken M. et al. Structure optimization of neural networks for evolutionary design optimization [J]. Soft computing-a fusion of Foundations, Methodologies and Applications, 2005, 9(1): 21-28.
95．张立明．人工神经网络的模型及其应用[M]．上海，复旦大学出版社，1993．
96. Hyunjin Lee, et al. Network optimization through learning and pruning in neuromanifold [J]. Lecture Notes in Computer Science, 2002, 24(17): 169-177.
97. Chung F L, Lee L. Nwtwork-growth approach to design of feed-forward neural networks [J]. IEEE Proc Control theory Appl, 1995, 142(5): 486-492.
98. Chung F L, Lee L. Growth of back-propagation neural networks [C]. Beijing: proc of Int Joint Conf on Nrueal Networks, 1992.
99. Littmann E, Ritter H. Cascade network architectures [C]. Singapore: Proc of 1992 IJCNN, 1992.
100．文绍纯，罗飞，付连续．遗传算法在人工神经网络中的应用综述[J]．计算技术与自动化，2001，20(2)：1-5．
101. Henderson C E. et al. Predicting aflatoxin contamination in peanuts: a genetic algorithm neural network approach [J]. Applied intelligence, 2000, 12(3): 183-192.
102. Kononen. Self-organizing feature maps and abstractions [C]. North-Holland: Artificial Intelligence and Information-Control Systems of Roberts, Proceedings of the Third International Conference. 1984.
103. Choi D, Park S. Self-creating and organizing neural networks [J]. IEEE Trans on Neural Networks, 1994, 5(4): 561-575.
104．阎平凡．结构自适应自组织神经网络的研究[J]．电子学报，1999，27(7)：55-58．
105．洛伦茨GG著，谢庭藩，施威亮译．函数通近论[M]．上海：上海科学技术出版社，1981．
106．张清良，李先明．一种确定神经网络中间层神经元数的新方法[J]．吉首大学学报(自然科学版)，2002，23(1)：89-91．
107．姜绍飞著．基于神经网络的结构优化与损伤检测[M]．北京：科学出版社，2002．
108．苑希民等著．神经网络和遗传算法在水科学领域的应用[M]．北京：中国水利水电出版社，2002．
109．张忠典，李冬青，赵洪运等．建立点焊质量神经网络监测模型时作用函数的选取[J]．焊接学报，2002，23(3)：59-62．
110. Alessendro Sperduti, et al. Speed up Learning and Network Optimization with Extended Back Propagation [J]. Neural Network, 1993, (6): 365-383.
111．罗泗维等．学习率自调整BP算法[J]．北方交通大学学报 1993，17(2)：173-177．
112．刘志东等．利用线性再励的自适应变步长快速BP算法[J]．模式识别与人工智能，1993，6(4)：319-323．
113．叶东毅．BP网络的一个非单调学习算法[J]．模式识别与人工智能 1997，10(3)：221-225．
114．吕伯权，李天铎．一种改进的BP算法[J]．系统仿真学报 1997，9(3)：84-87．
115．叶东毅．BP神经网络的一个带跳步策略的学习算法[J]．电路与系统学报 1998，3(1)：92-95．
116．徐永．一种能令网络跳离假饱和区的改进BP算法[J]．系统仿真学报，2000，12(6)：609-610．
117．杨晓红，刘乐善．用遗传算法优化神网络络结构[M]．计算机应用与软件，1997(3)：59-65．
118．李士勇．模糊控制·神经控制和智能控制[M]．哈尔滨：哈尔滨工业大学出版社，1996
119．陈守煜．复杂水资源系统优化模糊识别理论与应用[M]．吉林：吉林大学出版社，2002年．
120．李洪兴，汪群，段钦治等．工程模糊数学方法及应用[M]．天津：天津科学技术出版社，1993．
121．彭祖赠，孙韫玉编著．模糊(Fuzzy)数学及其应用[M]．武汉：武汉大学出版社，2002．
122．蒋泽军．模糊数学教程[M]．北京：国防工业出版社，2004．
123．张云波．神经网络近似结构分析的最佳样本集[J]．华侨大学学报(自然科学版)，2001，22(4)：397-400．
124. Widrow B. Adaline and Madaline[A]. Proceedings of IEEE 1st International Conference on Neural Networks[C], 1987, 143-158.
125．樊哲超，陈建生，董海洲等．应用环境同位素和模糊聚类方法研究堤防渗漏[J]．水利水电科技进展，2005，25(2)：8-10．
126. Zupan J. Neural Networks for Chemists: An Introduction [M]. New York: Weinheim, 1993.
127．吴飞．产生随机数的几种方法极其应用．数值计算与计算机应用[J]．数值计算与计算机应用，2006，(1)：48-51．
128．王俊德．水文统计[M]．北京：水利电力出版社，1993．
129．盛骤，谢式千，潘承毅编．概率论与数理统计[M]．北京：高等教育出版社，2001．
130．刘文杰，马海波．人工神经网络训练样本的相容性检测及化简[J]．大连铁道学院学报，2000，21(2)：47-49．
131．飞思科技产品研发中心编著．神经网络理论与MATLAB7实现[M]．北京：电子工业出版社，2005．
132. Koejancie R, Zupan J. Modelling of the River Flowrate: the Influence of the Training Set Selection[J]. Chemometrics and Intelligent Laboratory Systems, 2000, 54(1): 21-34.
133. Karmen R K, Zupan J, Majcen N. Separation of Data on the Training and Test Set for Modelling: a Case Study for Modelling of Five Colour Properties of a White Pigment[J]. Chemometries and Intelligent Laboratory Systems, 2003, 65(2): 221-229.
134．盛守照，王道波，黄向华．一种动态筛选样本的前向神经网络快速学习算法[J]．电子与信息学报，2005，27(11)：1818-1820．
135．王恒纯主编．同位素水文学IM]．北京：地质出版社，1991．
136．陈建生，董海洲，吴庆林．虚拟热源法研究坝基裂隙岩体渗漏通道[J]．岩石力学与工程学报，2005，24(22)：4019-4024．
137．李昌静，卫钟鼎．地下水水质及其污染[M]．北京：中国建筑工业出版社，1983．
138．刘建刚，郑克勋，傅伟宁．地下水碳酸平衡检查系统[J]．中国工程科学，2003，5(9)：61-64
139．高大文，王鹏，孙丽欣等．人工神经网络输入层神经元筛选规则的确定[J]．高技术通讯，2002，(6)：65-68．
140．李倩，邓浩江，王守觉．一种可识别样本中共同抽象特征的神经网络[J]．电子学报，2001，(8)：1028-1031．
141. WANG Shoujue. Poriority ordered neural networks with better similarity to human knowledge representation[J]. Chinese Journal of Electronics, 1999, 8(1): 1-4.
142．王守觉等．通用前馈网络及排序学习前向掩蔽模型在模式识别中的应用[J]．电子学报，1998，26(8)：1-6．