基于改进鲸鱼优化算法的重力坝变形参数反演

针对利用位移实测资料对大坝坝体和基岩的变形力学参数进行优化反演时存在效率低、精度差等问题,通过对鲸鱼优化算法进行并行化改进,并引入权重因子,结合有限元计算,提出一种基于改进鲸鱼优化算法的力学参数反演方法。利用该方法对某混凝土重力坝坝体和基岩弹性模量进行反演,并与粒子群算法的反演结果进行比较。结果表明:在相同迭代次数的情况下,改进的鲸鱼优化算法比粒子群算法耗时更少,且反演得到的坝体、基岩力学参数比粒子群算法得到的更为准确。表明利用多核处理器对该方法进行并行计算,可大幅度缩短计算时间。基于改进鲸鱼优化算法的力学参数反演方法具有搜索能力强、收敛速度快和精度高等特点,合理可行,可推广应用于混凝土拱坝等其他坝型的力学参数反演。     

基于PCA-RBF神经网络的混凝土坝位移趋势性预测模型

为了提高混凝土坝位移趋势的预测精度,提出了一种基于主成分分析(PCA)和径向基(RBF)神经网络的混凝土坝位移趋势性预测模型(PCA-RBF)。首先,利用主成分分析,将混凝土坝多测点的径向位移监测数据降维,消除影响分量数据集的多重相关性,分别提取出主元位移和主元影响分量。然后,把主元位移和主元影响分量输入径向基神经网络并构建模型,对提取出的主元位移进行预测。最后,将本法应用于某混凝土坝,结果表明,PCA-RBF模型的均方根误差(RMSE),平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为2.037 8 mm,1.698 6 mm和3.32%,显著低于传统的多元回归统计模型、径向基神经网络模型(RBF)和利用经主成分分析进行因子处理的BP神经网络模型(PCA-BP),说明PCA-RBF模型有着良好的预测精度。     

基于有限元的边坡稳定可靠度改进一次二阶矩法研究

为研究岩质边坡岩体参数变化时的稳定性，提出一种基于有限元的边坡稳定可靠度改进一次二阶矩法。首先，针对边坡工程中广泛存在的隐式极限状态函数可靠性问题，定义极限状态函数为滑体极限状态下抗滑力与下滑力的差值，考虑黏聚力及内摩擦角作为随机变量并且服从独立正态分布，求出极限状态方程中随机变量的偏导数；然后，根据改进一次二阶矩法编写了求解边坡失稳概率和可靠指标的计算程序；最后，通过算例验证了所提方法的适用性。某库岸边坡可靠性分析结果表明，该方法具有计算流程简单、便于开展、节省机时、计算精度高的优点。     

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。     

基于 PCA － ＲBF 神经网络的混凝土坝位移趋势性预测模型

为了提高混凝土坝位移趋势的预测精度,提出了一种基于主成分分析( PCA) 和径向基( ＲBF) 神经网络的混凝土坝位移趋势性预测模型( PCA － ＲBF) 。首先,利用主成分分析,将混凝土坝多测点 的径向位移监测数据降维,消除影响分量数据集的多重相关性,分别提取出主元位移和主元影响分 量。然后,把主元位移和主元影响分量输入径向基神经网络并构建模型,对提取出的主元位移进行预 测。最后,将本法应用于某混凝土坝,结果表明,PCA － ＲBF 模型的均方根误差( ＲMSE) ,平均绝对 误差( MAE) 和平均绝对百分比误差( MAPE) 分别为 2. 037 8 mm,1. 698 6 mm 和 3. 32% ,显著低于传 统的多元回归统计模型、径向基神经网络模型( ＲBF) 和利用经主成分分析进行因子处理的 BP 神经网 络模型( PCA － BP) ,说明 PCA － ＲBF 模型有着良好的预测精度。