改进多级模糊可拓方法在大坝变形评价中的应用

传统模糊可拓模型在大坝工作性态评价中,一般通过主观赋权法来确定物元特征的权重,而忽视了客观因素的影响。将同级的物元特征(即同级评价指标)关联度组成原始数据矩阵,再利用熵权法计算出该级物元特征的权重,而对于最底层的物元特征值则仍采用简单关联函数法确定权重,由此提出了一种改进的多级模糊可拓评价模型。随后选取某混凝土重力拱坝的3个典型坝段的变形性态进行评价,所得结果与实际情况相符,表明改进的多级模糊可拓方法可用于大坝工作性态的评价,且能避免人为确定权系数所造成的主观误差。     

ARIMA-MC组合模型在大坝变形安全监测中的应用

为及时了解大坝的安全状况,在坝体变形监测资料往往不平稳的基础上,建立了ARIMA预测模型,通过马尔科夫链预测了ARIMA模型的误差,从而修正了模型的预测值,建立了ARIMA-MC组合模型,并结合实测数据验证了此组合模型的有效性。结果表明,ARIMA-MC组合模型预测精度高,具有较好的实用性。     

移动平均和经验模态分解法在大坝位移分离中的应用

经验模态分解方法由于缺少数据预处理,分解结果具有冗余性、与自变量数量不能对应、模函数无法进行物理解释等问题,因此在经验模态分解前增加移动平均数据预处理过程,以减少原始数据量,保留趋势过程,并以某双曲拱坝位移分离为例,对比了经过数据预处理与未经数据预处理的经验模态分解结果。结果表明,预处理后位移序列趋势性不变,但数据量和分解模函数数量均有所减少;为了使分解得到的模函数与水位和温度的物理解释相吻合,选择合适的移动平均参数M,使模函数数量为2,避免了分解的冗余性。     

基于AFSA-AHP的大坝安全指标权重研究

针对传统AHP的一致性检验采用特征向量法计算大坝安全指标权重时缺乏可靠的理论依据问题,提出了一种基于人工鱼群优化—层次分析法的大坝指标权重计算方法,将判断矩阵下的权值计算问题转化为约束求解问题,利用人工鱼群的智能优化搜索求得具有满意一致性的最佳权重。将该计算模型用于某大坝的安全指标分析中,与传统特征向量法相比,该计算模型结果更精确、更稳定,为大坝安全指标权重的确定提供了一种行之有效的方法。     

基于LS-SVM—马尔科夫模型的大坝变形预测

针对单一模型在大坝变形预测中精度不高的问题,提出一种基于LS-SVM—马尔科夫模型的预测方法,即基于LS-SVM模型的预测结果,利用马尔科夫模型对其进行误差修正,从而提高了预测精度。通过对某拱坝变形的预测分析,并与LS-SVM模型预测结果进行对比,发现LS-SVM—马尔科夫模型的预测结果较符合实际情况,该模型具有更高的预测精度和优越性。