递阶偏最小二乘回归在大坝安全监测中的应用

偏最小二乘回归能有效地消除因子间的多重相关性,但从其算法特点和实际应用来看,也存在不足.例如,在算法方面,偏最小二乘提取的主成分不一定能同时保证方差和相关程度最大;在应用方面,含有较多自变量的偏最小二乘回归模型的可解释性不高.递阶偏最小二乘回归是偏最小二乘回归后续研究的成果之一,在一定程度上克服了上述不足.算例表明,递阶偏最小二乘回归模型较其他回归模型的可解释性强,较为合理.     

偏最小二乘回归在大坝位移资料分析中的应用

介绍了偏最小二乘回归的基本原理、建模基础思路和交叉有效性判别方法，编制了偏最小二乘回归程序；指出偏最小二乘回归可以很好地应用于大坝位移监测中。通过算例分析表明：建立的模型有很好的拟合和预报功能。     

偏最小二乘回归在大坝安全监控中的作用

针对统计回归计算中出现的水压因子难以入选和入选以后计算结果不合理的困难，本文应用偏最小二乘回归建立坝顶水平位移的统计模型。计算结果表明，相对于逐步回归和多元回归，基于偏最小二乘法的回归模型，取得较合理的结果。     

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。     

基于偏最小二乘回归的大坝位移混合模型研究

介绍了偏最小二乘法的建模基本思路和交叉有效性判别方法,编制了偏最小二乘回归程序,与弹性力学有限元联系,建立了基于偏最小二乘回归的大坝位移混合模型。算例分析表明,建立的模型有较好的拟合和预报功能。     

偏最小二乘回归在大坝位移监控中的应用

大坝位移监控模型各影响因子之间往往存在着多重相关性,给回归建模分析带来许多负面影响,采用偏最小二乘回归(PLSR)建模分析可以很好地解决这个问题.文中在简述PLSR原理的基础上,结合工程实测数据,建立了大坝位移监控的PLSR模型和逐步回归模型,并对两者进行比较分析,取得了较合理的结果.     

大坝安全监控的偏最小二乘回归分析

针对大坝安全监拉模型因子间多重相关性问题,本文引入了偏最小二乘回归法.对渗流资料进行了详细的分析.研究分析表明,偏最小二乘回归法能够有效地克服因子间的多重相关性的影响,建立的模型具有很好的稳定性和解释性.相比一般的最小二乘回归法,更具有推广性.     

递阶偏最小二乘回归模型及其应用

偏最小二乘回归模型中包含所有原始选择的变量,当自变量较多时,因得到的模型结果十分庞杂而难以分析和解释。本文采用递阶偏最小二乘（Hierarchical PLS,Hi-PLS）回归方法,通过分层建立模型的方法有效解决了这一问题。工程实践表明,本模型精度较高,特别适用于大规模变量集合的回归分析。     

偏最小二乘回归在大坝位移资料分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交叉有效性判别方法，编制了偏最小二乘回归程序；指出偏最小二乘回归可以很好地应用于大坝位移监测中。通过算例分析表明：建立的模型有很好的拟合和预报功能。     

偏最小二乘法与神经网络耦合的大坝监测模型

针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性.首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理,解决了变量之间的多重相关问题,而后把降维的数据输入神经网络进行训练.对比实例应用结果表明,偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络.     

遗传算法在大坝安全监控神经网络预报模型建立中的应用

本文基于遗传算法思想，采用浮点数矩阵表示编码，在遗传算法的进化过程中加入一定的约束条件等方法，探讨了网络结构的设计和学习。经实例分析，在用于建立大坝安全监控预报模型的前馈神经网络设计中，该方法在满足一定约束条件下，能同时有效地寻找合适的网络结构和相应的参数(神经网络的权值和阈值)，且在精度和速度上都有较大的提高，为实现实时在线分析评价大坝的安全性态提供了有力的技术支持。     

遗传算法在大坝安全监测模型中的应用

通过对三江闸坝典型坝段进行有限元建模及逐步回归分析,建立了混凝土闸坝位移监控的混合模型,再采用遗传算法优化混合模型,从而建立基于遗传算法的遗传混合模型。通过对比分析表明,在不增加影响因子数的情况下,遗传混合模型在各方面都要优于混合模型。这对未来大坝安全监测模型参数的优化具有参考意义。     

基于FP-growth的大坝安全监测数据挖掘方法

为改善大坝安全监测数据库的数据挖掘方法运行速度慢、占用内存大的问题,提出改进FP-growth算法,将已预处理的监测数据剪枝后,生成Priority树再进行频繁项挖掘。以此方法挖掘大坝变形量与水温等环境量的相关关系,不仅挖掘速度快、精度高、结果简洁,还能够对比单个因子或分析多个因子耦合与目标变量的关系。实例表明改进后的FP-growth算法思想为大坝安全监测数据挖掘提供了一条良好的思路。     

基于大坝安全监测资料的物理力学参数反演

本文介绍了采用实数编码遗传算法反演物理力学参数的基本步骤，然后结合通用的商业有限元软件MSC.Mar，并利用其与FORTRAN语言的接口，编写了基于MSC.Marc的物理力学参数的遗传算法反演程序。文中结合某重力坝溢流坝段的监测资料，利用该方法反演了大坝坝体弹性模量和坝基变形模量。算例表明，采用遗传算法—MSC.Marc反演大坝坝体及坝基的物理力学参数是可行的。     

GA—BP算法在大坝安全监测中的应用

通过建立起的GA—BP模型对测缝计的实测数据进行预测,结果表明GA—BP预测模型在大坝监测技术上是有效可行的,并且GA—BP预测模型比单纯的神经网络预测模型具有更高的预测精度。     

混凝土大坝安全监控方法与监控指标研究

混凝土大坝安全监控方法和监控指标的研究是安全监测工作的重要课题，监控方法较多，常用的有材料极限控制法，数学预测模型控制法，安全系数法，综合评判法等，材料极限控制法是根据混凝土的抗压，抗拉强度和极限变形作为一个监控指标进行监控，当控制大坝安全关键部位的实测值大于材料允许破坏强度时，可视为不安全，数学预报模型，采用决定模型，统计模型，混合模型等方法来进行监控，这种监控方法是将监测值和模型预报值作比较，     

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.     

遗传算法在均质土坝渗流计算中的应用

计算均质土坝渗流问题的常用方法有三段法和两段法 ,它们在求解过程中需要试算图解 ,计算精度不高且人工计算量大。为此 ,把该渗流问题等价于一非线性优化问题 ,可用作者研制的加速遗传算法 (AGA)进行求解。实例的计算结果说明 ,AGA计算简便 ,求解精度高 ,通用性强 ,为三段法在实际土坝工程设计中的广泛应用提供了新的有力工具     

遗传算法在均质土坝渗流计算中的应用

 计算均质土坝渗流问题的常用方法有三段法和两段法,它们在求解过程中需要试算图解,计算 精度不高且人工计算量大。为此,把该渗流问题等价于一非线性优化问题,可用作者研制的加 速遗传算法(AGA)进行求解。实例的计算结果说明,AGA计算简便,求解精度高,通用性强,为三 段法在实际土坝工程设计中的广泛应用提供了新的有力工具。