基于Burgers模型的大型堆山工程沉降预测

对镇江市堆山工程中的地基土进行了室内一维固结蠕变试验,发现其流变特征符合Burgers流变模型,再将模型的蠕变方程转化成沉降计算的经验模型。根据实测沉降数据对此经验模型进行拟合,得到模型参数,且拟合精度较高,不仅避免了流变模型参数反演的繁琐性,还可以提高预测模型的精度。最终将经验模型用于堆山工程的后续沉降预测,与其他预测方法比较发现,基于Burgers模型的沉降预测方法更接近工程实际,考虑土体的流变特性是必要的,也为类似工程提供参考。     

隧道变形量测数据的拟合及预测模型优化

针对目前利用隧道监控量测数据建立回归变形预测模型存在的代表性不够、预测精度差、优化比选工作量大等问题,以各类隧道大量的变形量测数据为样本,采用优化拟合方法,取标准剩余差最小为目标函数,通过逐次逼近优选,获得了函数形式比较简单、参数求解过程直接、拟合及预测精度高、反映拱顶沉降发展趋势效果好的通用模型,可为隧道工程的施工质量及安全提供可靠技术保障,具有实用推广价值。     

Hyperbola-Logistic叠加模型预测地基沉降

针对Hyperbola模型和Logistic模型的优缺点,提出Hyperbola-Logistic叠加模型,该叠加模型综合了两种单项预测模型的优点,以期达到高精度的预测结果。结合发电厂地基沉降现场观测数据,利用Hyperbola-Logistic叠加模型预测地基沉降,并与单项沉降预测模型的拟合结果进行比较分析。结果表明:与两种单项预测模型的预测结果相比较,叠加模型减小了系统误差,提高了整体的预测精度,拟合结果可靠,适用于发电厂地基沉降量的预测。新模型具有一定的适用性,是一种分析预测地基沉降的有效方法。     

基于分位数回归的升船机变形监控模型构建方法

为深入分析升船机变形影响因素,提出了一种基于分位数回归的升船机变形监控模型构建方法。该方法根据升船机的结构特点,将温度、前期上游水位均值等因素引入候选影响因子集,采用自适应弹性网络分位数回归对影响因子进行筛选,建立各分位数下的回归模型,并根据拟合的良好性和检验的有效性原则选出最优的升船机变形监控模型。实例验证结果表明：相对于常规的逐步回归模型,本文方法构建的最优模型的预测精度波动性小,具有较强的稳定性,同时具有良好的长期预测能力。     

基于互信息与神经网络的天山西部山区融雪径流中长期水文预报

为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:①互信息法优选出的预报因子作为模型输入可以提高预报精度;②采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;③以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。     

改进GM(1,1)模型在土石坝沉降预测中的应用

GM(1,1)模型在拟合和预测施工期土石坝沉降的过程中,精度会受施工加快、荷载急剧增加、降雨等多种因素的影响而降低。而新陈代谢GM(1,1)模型考虑了不断进入系统的扰动因素,精度有一定程度的提高。在新陈代谢模型的基础上,通过改进背景值的计算方法而使拟合和预测精度进一步提高。通过算例验证了改进的新陈代谢GM(1,1)模型的有效性。     

沉降观测模型预测拦河枢纽工程沉降变形的探讨分析

为了探究不同沉降观测模型在预测沉降变形过程中的精度及可靠度问题,基于新疆某拦河枢纽工程,分别采用等维新息GM(1,1)模型和DGM(1,1)模型分析泄洪闸处的沉降变形,并与实测值进行误差对比。研究结果表明:采用引入时间参量的DGM(1,1)模型预测的沉降变形精度较等维新息GM(1,1)模型高,平均相对误差仅为1.3%,且模型拟合精度评价为优良,表明在GM(1,1)基础上引入时间累计修正参数后,能显著提高模型的可靠度。     

基于支持向量机的中长期入库径流预报

采用基于支持向量机的预测模型对水库中长期入库径流进行预报,建立径流预报的SVM模型。预报因子的优劣决定着预测精度的高低。为了提高预报精度,尝试采用模糊优选法对预报因子进行优选。将所建模型应用于新疆雅马渡站的径流预测中,并与没有进行预报因子优选的SVM模型进行比较。结果表明,进行预报因子优化后的SVM模型明显提高了径流的预报精度,具有更好的应用价值。     

基于随机森林的水电站发电调度规则研究

以滩坑水电站为例,构建两组输入因子集,分别建立随机森林回归模型,模拟长系列出力和水位过程,探索因子数量对模拟结果的影响,根据优选的多因子随机森林模型进行了模型的泛化能力评估。结果表明,基于随机森林提取发电调度规则,模拟精度较高,可应用于实际;衍生因子的引入使得模拟效果略有提升;随机森林泛化能力强,但对于一些特殊来水情形其模拟能力略显不足;随机森林模型所造成的长时段水位偏低的形成机制是误差传播。     

广义回归神经网络在土石坝沉降监测中的应用

沉降监测是关系到土石坝结构安全及确定最终坝高的重要工作,为准确分析预测填筑期土石坝的沉降,从蠕变理论出发,采用填筑高度因子和等效高度作用因子作为沉降主要影响因素,并利用广义回归神经网络良好的非线性拟合能力和对小样本数据的适用性,构造反映沉降因果关系的广义回归神经网络预测模型,实例分析表明,该模型具有很好的预测效果.     

基于最小二乘法的逻辑回归模型在土石坝 沉降预测中的应用

针对传统回归模型的不足,提出了采用逻样回归曲线建立土石坝沉降预测模型,由最小二乘 法确定模型参数。该模型用于了南湾水库大坝的沉降量预测。研究表明,该方法的拟合误差较传统模 型小,可取得较好的预测效果。     

淤泥质土堤防沉降预测方法的对比分析

为了获得更加精确的堤防沉降参数,通过双曲线法、三点法、S型曲线等常用曲线拟合法对淤泥质土堤防沉降进行了预测,并分析了这几种方法预测的精度。考虑到各种方法的优缺点,运用最优加权建立了组合预测模型,分别以组合模型的误差平方和最小及有效度最大为目标函数确定最优的加权系数。工程实例计算结果表明,单一预测中三点法预测精度最高,而最优组合沉降预测模型的精度不仅比单项预测模型的精度要高,且可靠性也更佳。     

浙江沿海堤坝工后沉降调查及分析

通过对浙江沿海堤坝沉降数据的监测,分析了堤坝工后沉降预留值的计算方法以及常用拟合方法存在的不足,进一步完善沉降优化组合拟合分析方法,提高工后沉降估算的精确度。结合工程实例,把优化组合的拟合模型结果与实际沉降的发展情况进行比照,拟合结果良好。优化组合方法可用于海堤工后沉降规律分析。     

软土地基沉降规律分析及沉降预测方法改进——以成都天府国际机场为例

曲线拟合法(指数曲线、对数曲线和双曲线)因精确度较高、计算方便经常被用来预测地面沉降量,而对于软土地基,双曲线法的预测效果更好。使用双曲线法对成都天府国际机场某试验段监测点数据进行沉降量预测分析并与实测数据对比发现,在监测周期内不同监测时间段和不同软土厚度时,预测误差规律不同。利用监测日期的时间序列和监测点的软土厚度因素对原有的双曲线法进行了改进,并与3种传统曲线拟合法的预测结果对比分析,发现改进双曲线法和指数法的预测精度均很高,但指数曲线法不适合长时间序列沉降预测。研究成果可为成都天府国际机场和其他类似工程地面沉降预测提供参考。     

基于人工神经网络的土石坝沉降组合模型

影响土石坝沉降的主要因素是时效变形,目前常用的统计模型中时效分量主要采用指数模型和对数模型,但在某些工程实际中两子模型的拟合值与实测值偏差较大。文中在统计子模型基础上研究了一种基于人工神经网络的土石坝沉降组合模型,用于对土石坝沉降的拟合和预测,并给出实例。结果表明,组合模型较好地发挥了神经网络的非线性映射能力,并比统计子模型的拟合效果好。     

大坝安全监测的兽棒最小二乘 支持向量机模型

针对目前在大坝监测模型中应用较多的支持向量机模型,以土坝沉降监测实例比较分析了监 测数据中是否含有异常值的两种情况的最小二乘支持向量机监测模型的拟合精度与预测精度,发现异 常值的影响不容忽视。通过改进支持向量机模型中的损失函数,建立了大坝安全监测的普棒最小二乘 支持向量机模型(RLS一SVM )。实例分析表明:不论监测数据是否含有异常值RLS一SVM均可达到较 好的拟合精度和预测效果,优于普通LS一SVM模型。     

基于EEMD-RVM的土石坝渗流量时间序列预测模型

为避免常规时间序列模型因不考虑非线性环境量而出现过拟合及预测精度不高的现象,建立了基于EEMD-RVM的土石坝渗流量时间序列预测模型。该模型采用集成经验模态分解法(EEMD)对量水堰渗流量监测值进行分解,生成多组平稳本征模态函数(IMF)及剩余分量R,然后采用相关向量机(RVM)对若干组IMF序列和R进行训练拟合及预测,最后将IMF序列和R进行等权求和得到渗流量预测值;讨论了该模型训练集的样本数及时长、预测集个数的选择和突跳点的处理等相关情况。工程算例验证结果表明,EEMD-RVM模型拟合预测精度高,且预测精度明显高于RVM模型以及GA-BP模型,验证了该模型的可行性。     

优化BP神经网络的位移预测模型

针对大坝位移预测常规方法存在的问题,基于改进粒子群算法的BP神经网络(IPSO-BP)的大坝位移预测方法,通过IPSO对常规BP神经网络的权值和阈值进行优化,弥补了BP网络的不足,保证了预测精度。以2011-12-21—2013-06-27观测得到的某混凝土重力坝某一典型坝段坝顶的顺河向位移值为研究对象,建立基于IPSO-BP的大坝预测模型并进行仿真分析研究。同时,为了验证该模型的拟合及预测效果,建立PSO-BP模型、利用最小二乘法求解参数的统计模型进行对比分析。上述研究结果表明,此模型预测精度优于常规模型且拟合效果好、预测结果的平均相对误差小,说明此方法有效可行。