共查询到20条相似文献,搜索用时 421 毫秒
1.
刘祖强 《水电自动化与大坝监测》1992,(5)
《大坝观测与土工测试》1992年第2期发表了徐懋卿同志的“土石坝月沉陷量的灰色预测”一文(以下简称“土”文),文中提出用灰色系统预测理论的新陈代谢模型来预测土石坝的沉陷量,这一方法本身是可行的。但文中尚存在一些问题,本人有以下几点看法: 相似文献
2.
GM(1,1)等维新息模型在土石坝沉降预测中的应用 总被引:11,自引:1,他引:10
采用灰色等维新息模型模拟土石坝的时效变形,预测了土石坝时效位移的未来变化趋势,并结合陆浑水库大坝实测资料编制了计算程序,同时对等维新息模型的最佳数区进行了讨论,得到了具有实用价值的结论。 相似文献
3.
土石坝的监测数据预测对于揭示坝体变形规律、保障坝体结构安全具有重要意义。基于分形理论,将改进变维分形模型(IVDF模型)应用于土石坝小数据量监测数据的预测,以铜山源土石坝为例,选取混凝土防渗墙的应变监测数据作为研究对象,对应变进行预测,并分别用灰色模型GM(1,1)和BP神经网络进行对比预测。计算结果证明,IVDF模型充分利用分形的自相似性特征,抗噪性强,预测精度高,适用于小数据量监测数据的预测,具有良好的应用前景。 相似文献
4.
为有效识别土石坝溃坝的关键风险事件,针对传统的土石坝溃坝风险分析中选取风险因素单一和无法准确描述专家经验信息的不确定性,运用置信结构和灰色关联度理论,提出了基于灰色置信结构的故障模式和影响分析(FMEA)方法和土石坝溃坝故障模式清单,并运用在沟后水库溃坝风险分析中。结果表明:风险分析结果与实际溃坝情况相符,灰色置信结构很好地描述专家经验信息中的不确定性,改进了传统FMEA方法风险排序部分的不足。 相似文献
5.
6.
7.
采用Kalman 滤波方法对土石坝漏水量进行了动态预测,探讨了土石坝异常数据问题,并用实例验证了该方法用于动态预测的有效性。 相似文献
8.
9.
10.
土石坝的时效变形具有一定的单调性和不确定性。云模型较好地把定性概念的模糊性和随机性结合在一起,对不确定性问题的解决有着很强的鲁棒性。将云模型及云推理运用于土石坝的变形预测中,采用云推理自回归算法可初步解决土石坝变形预测中所存在的模糊性和随机性问题。预测实例表明:该方法预测精度较高,预测值与实测值基本吻合。 相似文献
11.
根据资料收集选取土石坝渗流量、渗透坡降等8个定量因素作为土石坝渗流风险评价的指标,使用粗糙集改进层次分析法组合赋权的方法获取各评价指标客观权重.建立组合赋权-TOPSIS评价方法,对6个土石坝进行渗流风险评价预测,获取土石坝渗流安全风险等级.与现场调查情况相比结果一致.研究表明:该方法对土石坝渗流风险评价准确便捷,可用于快速评价土石坝渗流风险等级. 相似文献
12.
本文介绍了基于L-M(Levenberg-Marquardt)算法的BP神经网络模型,利用模型对土石坝进行损害预测.选取243座震损土石坝水库为研究对象,确定土石坝裂缝、渗漏、滑坡为本次预洲的指标.同时采集243座水库震损土石坝的裂缝、渗漏、滑坡等三大震损病害资料,通过专家意见划分其等级,作为实测值.经过神经网络模型反... 相似文献
13.
应用Bayes方法对土石坝安全等级的动态概率评定 总被引:4,自引:2,他引:2
本文从土石坝安全等级划分的有关规定出发,给出了动态的土石坝安全等级概率描述,利用Bayes方法,以有效挖掘和利用新信息,实现对土石坝安全性状更为合理的评估和预测。运用离散随机变量的Bayes表达式,将土石坝安全鉴定专家评级赋值的先验概率和实时检测信息的似然概率相综合,更新土石坝安全等级评定的概率信息,并将这一信息运用到土石坝除险加固排序等决策中。这一方法有利于减少大坝安全性定量评估的难度和不确定性,有利于实现与现行安全决策准则的衔接,从而使目前的大坝安全风险分析方法更趋实用。 相似文献
14.
徐懋卿 《水电自动化与大坝监测》1992,(2)
本文提出以较少的观测子样(5-6个)建立新陈代谢数列,利用灰色系统理论的GM(1,1)模型预测土石坝的月沉陷量。通过对工程实例的计算,表明本文提出的方法比目前常用的幂函数拟合模型预测的结果更接近实测值。从而说明本方法在大坝安全管理中有着较重要的使用价值。 相似文献
15.
土石坝沉降的预测灰色模型 总被引:1,自引:0,他引:1
本文将灰色系统理论应用于土石坝沉降资料分析中,通过新陈代谢方法与GM(2,1)模型相结合建立了灰色预测模型,该模型的可行性与合理性铁山水库土凡的实际应用中得到了验证。 相似文献
16.
17.
本文将灰色系统理论应用到土石坝沉降资料分析中,通过新陈代谢方法与GM(2,1)模型相结合建立了灰色预测模型。该模型的可行性与合理性在铁山水库土坝的实际应用中得到了验证。 相似文献
18.
针对土石坝变形具有较强的非线性特征,传统统计模型预测精度不高,误差较大的问题。引入支持向量机模型(SVM),并采用人工蜂群算法(ABC)对支持向量机的关键参数惩罚因子C和核函数参数σ进行寻优,提高模型的拟合和预测精度,建立ABC-SVM模型应用于土石坝变形监测。实例验证分析表明:与传统多元回归模型和SVM模型相比,ABC-SVM模型预测精度高、泛化能力强。利用ABC-SVM模型对土石坝变形进行预测效果良好,可在大坝安全监测领域推广应用。 相似文献
19.
针对传统的原型观测资料分析方法的不足,提出了将灰色系统理论应用于土石坝资料分析的新方法,从而建立了沉降状态灰色模型。其建模思路、方法的正确性和合理性,在铁山水库的实际运用中得到了验证。 相似文献