吳中如，學者主頁-中國科技論文在線

吳中如

個性化簽名

TA的關注(0) 關注TA的(0)

留言板

暫無留言

主頁成果學術會議學者精選輯更多功能敬請期待

姓名：吳中如
目前身份：
擔任導師情況：
學位：
學術頭銜：

博士生導師， “973”、“863”首席科學家，
職稱：-
學科領域：

水工結構
研究興趣：

個人簡介

吳中如院士于1939年10月出生于江蘇省宜興市，1963年畢業于華東水利學院（現河海大學）河川系，現任河海大學教授，2003年當選第十屆全國政協委員，水利部科學技術委員會委員，首屆Council of ISHMII。1997年當選為中國工程院院士。
　　主持國家重點科技攻關項目子題6項；國家自然科學基金三峽重大項目課題及重點項目等基金6項；973項目（災害環境下重大工程安全性的基礎研究）課題1項；三峽臨時船閘、升船機和左岸廠房等安全監測工程，龍羊峽、小灣、丹江口、新安江、佛子嶺、水口等大型工程科研項目60多項。并為研究生主講“水工建筑物安全監控理論及其應用”、“大壩安全綜合評價專家系統”等課程，先后指導博士后3名、博士20多名和碩士40多名，在畢業生中有些已成為我國水利水電教學、科研和設計中的骨干。

主頁訪問

10036
關注數

0
成果閱讀

865
成果數

18

TA的成果

上傳時間

2005-03-11

【期刊論文】用突變理論分析大壩及巖基穩定性的探討

吳中如

，-0001，（）：

-1年11月30日

摘要

50瀏覽
0點贊
0收藏
1分享
311下載
0評論
引用

上傳時間

2005-03-11

【期刊論文】應用L japunov指數研究巖土邊坡的穩定判據*

吳中如，潘衛平

巖石力學與工程學報，1997，16（3）：217～223，-0001，（）：

-1年11月30日

摘要

應用L japunov指數，研究了失穩準則和穩定度的概念，分析了最大L japunov指數L E1與穩定性之間的關系以及|L E1|的物理意義。提出將L E1作為巖土邊坡的穩定判據，將|L E1|作為系統穩定度的表征量。由碧口水電站的青崖嶺庫區滑坡的應用實例證明，該法確定的穩定判據符合實際情況。

巖土邊坡,，穩定判據,， L japnov指數

71瀏覽
0點贊
0收藏
1分享
302下載
0評論
引用

上傳時間

2005-03-11

【期刊論文】遺傳算法在大壩安全監控神經網絡預報模型建立中的應用

吳中如，蘇懷智，溫志萍，沈振中

水利學報，2001（8）：44～48，-0001，（）：

-1年11月30日

摘要

本文基于遺傳算法思想，采用浮點數矩陣表示編碼，在遺傳算法的進化地程中加入一定的約束條件等方法，控討了網格結構的設計和學習。經實例分析，在用于建立大壩安全監控預報模型的前饋神經網絡設計中，該方法在滿足一定約束條件下，能同時有效地尋找合適的網絡結構和相應的參數（神經網絡和權值和閾值），且在精度和速度上都有較在的提高，為實現實時在線分析評價大壩的安全性態提供了有力的技術支持。

大壩，神經網絡，遺傳算法，預報

49瀏覽
0點贊
0收藏
0分享
451下載
0評論
引用

上傳時間

2005-03-11

【期刊論文】相空間神經網絡模型在大壩安全監控中的應用

吳中如，徐洪鐘，李雪紅

水利學報，2001（6）：67～71，-0001，（）：

-1年11月30日

摘要

本文將混沌理論和神經網絡理論相結合，并針對某一混凝土重力壩水平位移實測值建立相空間模糊神經網絡預報模型。首先對水平位移的實測序列，進行曲相空間重構，求算關聯維，說明該序列存在混沌成分和奇異吸引子；應用自適應模糊神經網絡，對水平位移實測序列構成的相點，對立相空間神經網絡模型。計算結果表明，相空間神經網絡模型用于大壩監控中是可行的，其預報精度優于常規的統計回歸模型，能揭示大壩的非線性性質，能更好地對大壩運行性態進行分析。

大壩，模糊神經網絡，混沌，相空間，預報

50瀏覽
0點贊
0收藏
0分享
351下載
0評論
引用

上傳時間

2005-03-11

【期刊論文】確定大壩效應量分量比例的社經網絡方法

吳中如，徐洪鐘，施斌，王建

水利學報，2003（6）：111～114，-0001，（）：

-1年11月30日

摘要

為了評價水位、溫度贊美環境量對大壩觀測效應量的綜合影響程，并由此定量分析評價大壩的運行狀態，提出了確定大壩觀測效應量的各分量比例的神經網格方法。根據大壩的觀測資料，利用誤差反向傳播的神經網絡（BP網絡）建立效應量與環境量關系的神經網絡模型，BP網絡的輸入變量為水位、溫度、時效等環境量因子，網絡的輸出變量為效應量。利用網絡的權值來表示網絡的輸入變量對網絡的輸出變量的影響程度，從而確定水位、溫度等分量占效應量的比例。文章通過工程實例驗證了該方法的有效性。結果表明，該方法簡便實用，可定量分析水位、溫度等環境對效應量度影響程度，有助于進一步分析大壩的安全性態。

大壩，神經網絡， BP網絡，效應量，環境量，比例