大坝位移监测中的统计模型应用

本文采用统计模型对龙羊峡水电工程的原位观测资料进行了分析文中对建模的因子选择、建模方法、大坝工作状态和安全预报等做了分析讨论,并指出了统计模型的不足之处。一、观测位移及其变化规律(一)工程概况及观测布置龙羊峡水电站是黄河上游首级开发工程,为混凝土重力拱坝,坝高178米,底宽8咪,库容     

大坝安全监测统计模型的精度和实效

大坝安全监测资料综合分析是大坝安全监测工作重要组成部分,综合分析包括各种定性、定量的分析,而定量分析中多元逐步回归统计模型分析应用最为广泛。统计模型的组成一般包括水压分量、温度分量、降水分量和时效分量,模型建立是否精确直接影响到回归模型的精度和实效,温度因子、降水因子、时效因子的合理选用对回归模型精度有较大影响。针对不同类型大坝各个阶段运行情况,优选多种函数的组合作为模型的降水、时效等因子,通过多元逐步回归可获得较理想的效果,提高统计模型的精度和实效。图4幅。     

大坝安全监测统计模型中的异方差问题

 针对大坝安全监测统计模型中异方差产生的原因和可能带来的后果，用图示法及格莱斯尔检验法检验异方差性的方法，并采用方差的稳定变换及加权最小二乘估计法对存在异方差问题的统计模型进行了改进，使之降低了异方差性对模型参数估计的影响，使回归模型更好地拟合观测数据，提高了利用模型进行预测和控制的可靠度。     

大坝垂线位移监测资料分析的4种统计模型

位移监测及分析是大坝安全监测的重点内容 ,垂线是使用最普遍的位移监测手段之一 ,它具有测点多、深入坝体等特点 ,获得的监测数据包含了反映坝体安全状态的信息。为更好地分析这些信息 ,在已有的监测分析方法基础上 ,结合近期研究成果 ,阐述了目前位移监测模型的进展 ,归纳提出了可用于垂线位移分析的 4种统计模型 ,并结合实例给予说明。这些模型为全面分析垂线位移提供了可能 ,可在不同情况下选择使用。     

大坝垂线位移监测资料分析的4种统计模型

 位移监测及分析是大坝安全监测的重点内容,垂线是使用最普遍的位移监测手段之一,它具有 测点多、深入坝体等特点,获得的监测数据包含了反映坝体安全状态的信息。为更好地分析 这些信息,在已有的监测分析方法基础上,结合近期研究成果,阐述了目前位移监测模型的进 展,归纳提出了可用于垂线位移分析的4种统计模型,并结合实例给予说明。这些模型为全面 分析垂线位移提供了可能,可在不同情况下选择使用。     

基于稳健估计的大坝变形监测统计模型分析

回归分析是大坝安全监测统计模型的核心,测值粗差的存在使回归参数变异,造成统计模型一定程度上失真,所以在回归分析中必须对其进行处理。本文采用稳健估计的思想,根据残差大小对监测值进行赋权迭代计算,使常规统计模型具有抗差性。将稳健估计的思想应用于某工程实例分析,发现与常规统计模型相比,稳健统计模型能够有效抵抗粗差对模型参数求解结果的影响,并能较好反映水压、温度和时效等效应量的影响。     

大坝变形监测统计模型与混沌优化ELM组合模型

变形是反映大坝动态演化的重要效应量。为了提升统计模型预测能力,借助极限学习机(ELM)处理非线性问题的优势,对大坝位移的统计模型残差进行数据挖掘。而极限学习机欠缺对混沌动力特性的考虑,为了解决这个问题,采用混沌理论对统计模型残差进行了混沌动力学特性分析,揭示其混沌特性,并据此重构相空间,从而为混沌优化极限学习机提供先验知识。基于统计模型,结合极限学习机和混沌理论的优点,建立统计模型与混沌优化ELM的组合模型。将该组合模型应用于工程实例,由多个定量评估指标对模型进行性能评价,结果表明,组合模型建模合理,预测精度高于统计模型、统计模型与混沌优化BP神经网络组成的组合模型,在大坝变形监测中具有一定的应用价值。     

采用统计模型分析大坝的不规则位移现象

本文针对东江大坝291m高程垂线测点的径向水平位移与库水位之间存在的不协调现象,采用统计模型进行分析,得到了大坝径向水平位移与影响大坝变形的因子之间存在的相关性,并由此解释了东江大坝不规则位移现象的原因。     

改进的LMD模型在大坝变形监测数据特征量分离中的运用

运用改进的局部均值分解(LMD)模型对大坝变形监测资料物理特征量进行分离,通过分离出的物理特征分量来分析大坝变形效应量的影响因素及程度。与统计回归模型相比,LMD模型不依赖事先确定影响因子的数学表达式,便可以合理地分离出大坝变形效应量的物理特征分量,自适应性较强,而且在一定程度上比统计回归模型分解结果更优。     

农田水分转化模型参数优选与应用

本文介绍了农田水分转化关系模型参数的确定方法。以在北京市水科所试验站观测的不同灌溉水平条件下的土壤水分资料为依据，进行了参数优选实例计算。并用该模型及其参数求得了该站１９９５年冬小麦不同灌溉供水量条件下的腾发量与根区下界面水分通量。该模型参数求解方法，对于充分利用大量的田间土壤水分观测资料研究农田水分转化规律和农田高效用水技术具有十分重要的意义。     

基于统计诊断的大坝监测数据合理性检验

基于统计诊断的异常数据划分,并结合大坝监测数据的误差成因,将监测的异常数据划分为随机误差、粗差、系统误差等,并辨识强影响数据。继而基于均值漂移模型,研究不同异常数据的诊断方法,包括以模型扰动值为依据的粗差的t检验法和以模型扰动对拟合参数的影响为依据的强影响数据的Cook距离检验法。以大坝典型位移监测数据为例,采用上述统计诊断方法对原始监测数据进行合理性检验,结果表明可有效辨识误差数据和强影响数据,能提高数据进一步建模分析的准确性。     

混凝土大坝变形监控指标拟定的混合法

针对混凝土坝变形监控指标拟定涉及的材料参数众多且不容易准确获取的问题,考虑到水压分量数值计算涉及的参数相对较少且计算结果相对可靠,采用数值计算-变形统计模型的混合法拟定混凝土坝变形监控指标,即水压分量采用不利水位工况下数值计算值,其它分量则采用不利工况下变形统计模型的分离值或反映非线性效应的分量值,结合某常态混凝土高拱坝,提出了基于混合法拟定混凝土坝变形一级、二级监控指标。分析表明,基于混合法拟定的变形一级监控指标与典型小概率法拟定的监控指标接近但略大,这表明该拱坝目前处于黏弹性工作性态,但混合法拟定的变形一级监控指标考虑的因素更全面,而且材料性能分项系数的引入明确了强度参数的合理取值。     

基于图像处理技术的大坝监测数据粗差识别

为实现大坝长久稳定的安全服役, 避免监测资料中的粗差对大坝安全监测结果产生影响, 需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生, 通过模仿人工识别数据粗差的过程, 运用程序设计语言, 提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理, 再提取主要趋势线, 最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料, 运用该方法对其进行粗差识别, 并与传统 3R 识别准则的粗差识别效果进行对比。算例结果表明: 该方法对数据粗差的识别效果更加显著, 避免了粗差漏判情况的发生, 对粗差的剔除更彻底; 利用该方法识别后得到的统计模型复相关系数为 0.999, 标准差为 0.192, 模型精度更高, 也更符合工程实际情况。因此, 该方法具有一定的工程应用前景和实用价值。     

大坝监测分析中的贝叶斯动态模型

本文探讨大坝监测资料的动态分析问题，贝叶斯线性动态模型的建立，递推解法，以及初始先验估计和状态噪声的取值等.从实例的数据看，成果是合理的。     

误差反向传播神经网络模型的改进及其应用

针对误差反向传播神经网络模型(BP模型)学习收敛速度慢、容易陷入局部极小点等缺点，提出原始数据的非线性规格化函数、记忆式初始权值、阈值和参数自动优选等方法，对BP模型进行改进。结合陆浑水库大坝沉降实测资料的分析，编制了改进后的BP网络算法程序。分析结果表明，改进后的BP模型对于提高网络运行收敛速度、防止陷入局部极小点、克服手工调试参数的盲目性、提高模型精度等都有较大的改善作用。     

模糊聚类法在大坝监测资料分析中的应用

为了解模糊聚类法在大坝监测资料分析中应用的适宜性,利用该法对水布垭面板堆石坝2013年面板挠度变形监测数据开展了研究。首先将监测管道划分为若干监测点,运用模糊聚类分析法对监测点进行分类,并采用F统计量评价聚类效果以确定最佳分类,对分类结果进行分析比较,可确定关键的面板变形监控点。随后建立面板挠度变形统计模型,考虑上游水深、温度、时效等因素,利用多元逐步回归分析法对关键点监测数据进行预报拟合。结果表明,利用模糊聚类分析法处理大坝监测数据具有便捷、高效的优点,模型预报结果拟合度较高。     

梅山水库大坝河床段变形监测资料分析

为分析梅山水库大坝河床坝段变形规律,定量识别各因素对河床段变形的影响,通过分析大坝10#和11#垛坝段的变形监测资料,建立回归统计模型进行拟合,再选取典型特征年(2021年)监测数据进行各分量的分离。结果表明：水库河床坝段其X向位移较小,Y向位移呈年度周期性变化;谐波因子的逐步回归模型能够较好反映变形规律,复相关系数为0.8~0.95;河床坝段的位移主要是受温度的影响。     

建立大坝安全监控数学模型的一种新方法

由于影响大坝安全的客观因素非常复杂, 大坝安全监控回归模型在实际工程应用中普遍存在欠拟合问题. 为解决该问题, 在回归模型的基础上引入改进的遗传算法, 利用其自适应全局优化搜索功能对回归模型中的回归系数进行寻优重估, 并建立遗传回归模型. 以东北地区某宽缝重力坝为例, 分别建立了其坝顶水平位移安全监控混合模型和遗传回归模型, 计算结果表明, 后者的拟合效果较前者有明显改善.     

大坝变形监控数据处理的粗差识别方法及应用效果分析

正大坝安全监控的核心就在于通过各种监控理论与方法对监测资料进行分析,建立各类监控模型及监控指标,据此定量分析大坝及坝基的安全状态,监控大坝的安全运行,使大坝在安全运行的前提下充分发挥工程效益。大坝安全监测资料是大坝运行状态的直接反应,监测值的变化与大坝运行的环境荷载以及大坝本身结构形态有关,同时监测系统的稳定性也是重要的影响因素。大坝监测数据的异常一般由结构形态变化、环境量异常、系统改造、人为误测、误计或系统故障等