RBF神经网络模型在大坝变形分析中的应用

如今,水库大坝作为城市建设的主要基础设施,其安全问题受到越来越多人的关注,这也促使大坝安全监测工作越发重要。构建大坝变形分析的RBF神经网络并做好相应的预测,可有效提高模型预测的精度,还能更接近工程实际,具有极高的实用价值。针对此,本文围绕RBF神经网络模型进行了分析,对该模型在大坝变形分析中的应用进行了探讨。

大坝变形分析周期均线系统模型的应用研究

针对大坝变形问题,提出周期均线系统模型,给出"沉降活跃度"的概念。以某抽水蓄能电站大坝为例,采用模型结合沉降活跃度进行单测点的变形分析,进而采用聚类分析方法绘制大坝的整体沉降活跃度分布图,结合各测点的累积沉降量值,直观地分析大坝的变形趋势,实现单测点与多测点相结合的分析模式。结果表明,应用周期均线系统模型配合沉降活跃度分布图,可较容易掌握大坝的变形信息,为大坝的变形分析提供一种行之有效的方法。

神经网络融合模型在大坝变形分析中的应用(英文)

为了提高大坝变形分析模型的预测精度并检验模型的泛化能力,研究了大坝变形分析的BP神经网络模型,并基于神经网络BP算法和传统的统计模型建立了大坝变形分析的融合模型.结合陈村大坝多年的变形观测数据,对上述3种模型进行了试算及分析.分析结果表明,统计模型的平均预测精度为±0.477 mm,BP神经网络模型的平均预测精度为±0.390 mm,融合模型的平均预测精度为±0.318 mm,相比统计模型和BP神经网络模型分别提高了33%和18%,且泛化能力较强,具有广泛的适用性.

基于多测点模型的大坝变形分析

本文提出利用COX模型转换数据的方式,应用最小二乘支持向量机模型,计算分析并预测大坝变形规律及趋势。由于在数据转换过程中,充分考虑了坝体监测点的分布特点,且模型输入数据为全部监测点的转换数据,因此,比起以往回归模型单就某一点的位移数据进行计算分析,本文提出的模型可以更好地在整体上得到大坝的活动变形规律。

基于逐步回归的BP网络混合模型在大坝变形分析中的应用

大坝变形预测的准确性对大坝的安全评估起着重要作用,而分析预报的方法至关重要。介绍了逐步回归模型和BP神经网络模型,提出将逐步回归模型和BP神经网络模型相结合的SR—BP混合模型,并通过实例证明了模型的可行性和有效性。与逐步回归模型和BP网络模型法相对比,计算量少、精度高、模拟效果较好。

单通道时变ICA算法及其在大坝变形分析中的应用

EEMD-ICA算法具有良好的单通道分离性能,但其使用的Fast ICA是一类离线批处理算法,没有时变处理能力。因此,本文研究了在线盲源分离的单通道独立分量分析(ICA)算法——EASI算法,该算法可用于识别混合矩阵缓慢变化,提出了一种基于EEMD的单通道时变ICA算法,即基于EEMD的单通道EASI算法(EEMD-EASI),并将其应用于五强溪大坝位移监测数据的单通道时变ICA分离中。模拟试验表明,EEMD-EASI算法在单通道时不变和时变混合情况下都具有良好分离效果;而大坝变形分析实例进一步表明EEMD-ICA算法能够分离出温度效应位移分量及时效分量,从时变混合矩阵可以看出大坝蓄水几年后趋于稳定。

基于大坝变形监测预报的神经网络方法的对比分析

近年来,国内外学者在神经网络方面做了大量研究,使神经网络技术在计算、分析、仿真、控制等方面得到广泛应用,在变形监测和测绘数据处理领域,学者们做了大量实验和实践研究,得到丰富的研究和应用成果。本文首先对大坝变形影响因子进行分析,采用主成分分析法提取影响大坝变形的因子元素,最大程度降低因子之间的相关性对神经网络模型的影响。采用改进BP神经网和径向基函数神经网络两种方法,分析大坝变形预测预报效果,并结合相关文献研究成果,对比两种算法的优缺点,探讨神经网络应用于大坝变形监测的可行性。最后结合工程实际应用实例,研究计算表明,改进BP神经网络和径向基函数神经网络都能对实测数据有较好的拟合效果,达到大坝变形预测预报精度,在大坝安全预测预报分析中具有一定的参考和实用价值。

基于云模型的大坝变形监测数据分析研究

利用云模型实现定性分析与定量分析之间的转换,并对小浪底大坝沉降监测数据进行分析,验证基于云模型的变形监测数据分析结论的可靠性。

大坝变形时间序列的奇异谱分析

为了研究大坝变形规律并分析其影响因子,利用奇异谱分析(SSA)提取大坝变形时间序列的趋势和周期分量,并分析各分量与时效、温度和水位因子的关联性。通过分析某大坝实测数据,发现大坝存在徐变和周期性弹性形变。其中,徐变即趋势项,主要与时效因子有关;弹性形变对应的周期项主要与温度和水位的周期变化有关,且温度因子与弹性形变的相关性明显大于水位因子。利用提取的趋势和周期项对大坝变形时间序列进行拟合并预测,其拟合和预测误差分别为0.52和0.24 mm;若采用传统的多元线性回归模型进行拟合和预测,其误差则分别为0.81和0.57 mm。这表明奇异谱方法的拟合和预测精度均优于多元回归法,能够更准确地预测大坝变形。

基于MSC．Marc的高拱坝蓄水期变形分析

针对高拱坝复杂的结构布置及施工工艺,基于大型有限元分析软件MSC.Marc,在建立的包含坝体分缝的三维有限元非线性分析模型中,对坝体横缝采用Contact单元、诱导缝采用Gap单元分别进行模拟,并通过杀死、激活技术及子程序的应用,实现坝体浇筑、接缝灌浆及蓄水过程较为真实的模拟计算。工程实例分析获得了坝体施工蓄水期变形规律及不同分缝的开合度变化情况,指出考虑接触和施工蓄水模拟后,高水位时坝体最大径、切向位移均出现在距坝顶约1/3拱高处。

利用独立分量回归建立大坝多测点位移模型

将独立分量回归引入大坝多点位移建模,并以五强溪大坝引张线若干测点的水平位移数据进行实验。结果表明,相对于逐步回归,独立分量回归有效解决了多测点回归建模中自变量多重相关性引起的病态问题,可建立稳定合理的回归模型。

利用独立分量回归建立大坝形变模型(英文)

在利用回归分析对大坝形变进行建模时,回归方程常因为自变量间的多重共线性而产生病态问题,从而不能建立准确的模型。提出利用独立分量回归(ICR)建立大坝形变模型,并确定大坝形变的物理响应。模拟实验表明:ICR可以有效地解决病态问题,建立一个可靠的回归模型。将ICR用于中国湖南省的五强溪大坝建模,结果表明:ICR不仅可以建立准确的坝体形变模型,而且通过其提取的独立分量可以确定大坝变形影响因素。

基于FP-growth的大坝安全监测数据挖掘方法

为改善大坝安全监测数据库的数据挖掘方法运行速度慢、占用内存大的问题,提出改进FP-growth算法,将已预处理的监测数据剪枝后,生成Priority树再进行频繁项挖掘。以此方法挖掘大坝变形量与水温等环境量的相关关系,不仅挖掘速度快、精度高、结果简洁,还能够对比单个因子或分析多个因子耦合与目标变量的关系。实例表明改进后的FP-growth算法思想为大坝安全监测数据挖掘提供了一条良好的思路。

一种分析大坝整体位移变化规律的新方法

借鉴生存分析方法的思路,从整体上分析大坝位移规律,顾及到整座坝体的所有监测点,寻找外界因素影响坝体位移的规律。

基于模糊LS-SVM算法的大坝变形预测模型

在大坝工程变形分析和预测方面,研究了一种基于支持向量度的模糊最小二乘支持向量机(LS-SVM)算法,结合具体实例进行对比分析,结果表明模糊LS-SVM模型的预测精度要高于LS-SVM模型,且支持向量机(SVM)的稀疏性也优于LS-SVM模型,可以很好地应用于大坝变形监测分析。