同源测点信息融合的多尺度大坝长期变形缺失值填补

大坝变形数据缺失尤其是长期缺失值的存在将影响变形监控模型的精度和可靠性,据此提出了一种基于同源测点信息融合的多尺度大坝长期变形缺失值填补模型.首先,确定与所研究测点具有相似变形特性的测点,分别进行EMD分解;然后,针对研究测点的非高频分量,使用LSTM进行建模;针对高频分量,以同源测点高频分量为依据,构建多变量BP模型;最后,将各模型输出结果进行叠加得到最终填补结果.分析表明,提出的方法有效构建了高频分量的输入组,结合LSTM在中、低频分量分析中的优越性能,大大提高了大坝长期变形缺失值的填补精度.

基于BP神经网络的大坝新多测点位移模型

大坝位移监测资料分析大多以单一测点得到的数据建立模型,这种单测点模型无法反映大坝作为一个整体各点位移之间的相互联系,也就不能真实地反映坝体的整体安全性态。为此,将多个同源测点联合考虑,通过测点之间的相关性对目标测点建模,再通过该模型推求未布置测点位置的大坝位移值,为推求大坝整体单向位移创造条件。经实例验证,这种新模型在对目标测点的位移预测和补全缺失数据两方面相对常规的单测点模型效果更佳,而且在对未知点的位移值进行预测方面也具有良好效果。