1、隨著這些年我國經(jīng)濟的快速增長，水利工程也獲得了高速發(fā)展，水壩的規(guī)模也在不斷的擴大和提高。在帶給我們社會經(jīng)濟效益和生活便利的同時，這些水利工程一旦失事，后果將不堪設(shè)想，所以大壩的安全問題顯得尤為突出。大壩變形預(yù)測作為大壩安全監(jiān)測的重要組成部分，建立精確的預(yù)測模型來進行數(shù)據(jù)分析和變形預(yù)報至關(guān)重要，對確保大壩安全運行具有非常重要的作用。
　　大壩變形預(yù)測主要是根據(jù)現(xiàn)有的監(jiān)測資料來預(yù)測以后的大壩變形量。由于大壩本身內(nèi)部結(jié)構(gòu)和工作條件復(fù)雜，

2、影響因素多，無法用確切的定量關(guān)系來描述它們對大壩變形的影響。因此，用傳統(tǒng)的數(shù)學模型無法完全描述大壩變形量和影響因素之間的非線性映射關(guān)系，從而影響模型的預(yù)測精度。
　　人工神經(jīng)網(wǎng)絡(luò)具有超強的非線性映射能力、自學能力和容錯性，用它對大壩進行變形預(yù)測是一種有效的途徑。BP網(wǎng)絡(luò)作為目前人工神經(jīng)網(wǎng)絡(luò)中常用的學習方法之一，它自身也存在著缺點，即收斂速度慢和易出現(xiàn)局部極小值。而標準遺傳算法具有很強的宏觀搜索能力，可避免陷入局部極小值，所以利用遺

3、傳算法對BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值進行優(yōu)化，提高BP網(wǎng)絡(luò)的函數(shù)逼近效果。但是標準遺傳算法易出現(xiàn)早熟收斂，針對該問題本文引入多種群概念有效地解決早熟問題，提高算法的計算精度和速度。
　　本文通過運用多種群遺傳算法（MPGA）來優(yōu)化BP網(wǎng)絡(luò)模型的初始權(quán)值和閾值；建立了多種群遺傳神經(jīng)網(wǎng)絡(luò)（MPGA-BP）模型；結(jié)合吉林豐滿水電站多年的壩頂水平位移監(jiān)測資料進行實例分析和擬合預(yù)測；通過MATLAB軟件編程，并將該模型與經(jīng)典統(tǒng)計回歸模型、B