施工期高心墙堆石坝沉降非线性时变统计模型

针对施工期高心墙堆石坝环境复杂性及变形不确定性等问题,在合理选择非线性时变统计模型因子的基础上,基于Duncan-Chang模型和流变理论,综合分析了填筑过程、降雨、坝体及坝基材料流变等因素对沉降的影响,给出了每个模型因子的表达式,构建了施工期高心墙堆石坝沉降非线性时变统计模型。借助MATLAB平台,开发了计算程序,并将该模型用于糯扎渡高心墙堆石坝施工期沉降变形监控,测点DB-C-VW-01和DB-C-VW-02的平均相对误差分别为-0. 5661%和-0. 7036%,从而验证了施工期高心墙堆石坝沉降非线性时变统计模型的有效性。     

施工期高心墙堆石坝沉降变形监控模型构建研究

高心墙堆石坝施工期具有环境复杂性以及变形不确定性,其监测数据表现为一系列包含噪声且波动性较大的短序列数据。针对高心墙堆石坝施工期沉降监测数据序列短、信息贫、突变性等特点,基于高心墙堆石坝实测数据,综合运用灰色理论和马尔可夫链理论,构建了施工期高心墙堆石坝灰色马尔可夫链预测模型,给出了计算流程,开发了计算程序。最后将该预测模型用于某高心墙堆石坝,结果证明了施工期高心墙堆石坝灰色马尔可夫链预测模型的有效性。     

基于蛙跳算法与卡尔曼滤波的大坝位移预测模型优化

为提高传统大坝位移统计模型的预测能力,引入蛙跳算法和卡尔曼滤波等,基于最小二乘法确定统计模型回归系数,采用蛙跳算法对回归系数进行优化;运用卡尔曼滤波法将回归系数作为状态方程的状态向量,使预测模型能实时反映监测数据的变化。工程算例应用结果表明,基于蛙跳算法与卡尔曼滤波的大坝位移预测优化模型能有效提高统计模型的预测精度,可为大坝位移预测提供参考。     

大坝位移的改进非等间距GM(1,1)预测模型

基于灰色理论建立的GM(1,1)灰色预测模型常被用于大坝位移实测资料序列的分析。为提高大坝位移预测精度,在分析传统GM(1,1)预测模型构建原理、步骤的基础上,提出了对原始数据序列进行平滑处理、对背景值和残差序列进行优化等方法,建立了大坝位移预测的改进非等间距GM(1,1)模型,并用某大坝水平径向位移监测数据对其进行了检验,结果表明:改进的模型在大坝位移预测中的适用性更强,不仅提高了预测精度,而且保留了灰色模型建模灵活、所需数据少等优点,用于短期预测效果较好,用于长期预测的效果有待考证。