某高拱坝初蓄水期垂直位移变化规律及其影响因素分析

为验证水工建筑物初蓄水期是否满足设计要求,通过分析某高拱坝初蓄水阶段的垂直位移观测资料、评价垂直位移变化规律建立了统计模型,并分析了各分量对垂直位移的影响。结果表明,水准点监测系统状态良好,拱坝垂直位移变化规律正常,符合一般高拱坝变化规律。     

基于强度储备法拟定混凝土坝水平位移监控指标研究

为探索大坝监控指标的研究方法,以飞来峡混凝土坝#18溢流段为例,利用强度储备法研究了坝段在初始屈服、临界失稳、失稳破坏三种特殊状态下监测点的水平位移分量值,并结合坝顶水平位移温度分量、时效分量的统计模型建立了该坝段水平位移的混合模型,拟定了#18溢流段的位移安全监控指标。     

基于确定性模型的渡槽材料参数反演分析

针对传统反演方法分析各分量时不能很好反映实际情况的问题,提出以气温和水温为边界条件确定温度分量,并考虑短期水荷载对时效分量的影响,建立渡槽运行期位移确定性监测模型。依托克孜河渡槽充水试验位移监测资料,利用Midas软件、多元回归分析及Fortran程序计算得到渡槽位移监测模型各分量因子表达式及各测点的弹性模量、温度膨胀系数。结果表明,模型各分量结果均具有较高精度,各分量对槽身竖向位移的影响大小为水压温度时效;基于此得到的渡槽材料参数更加符合实际,计算过程明了可靠,该方法具有一定理论意义及参考价值。     

组合模型在能源需求预测中的应用

简述不同的能源需求预测方法的特点．结合某省区能源需求的历史数据,运用趋势外推法建立单项预测模型,并对趋势外推预测的优缺点进行分析;运用ARMA模型对趋势外推模型中的残差序列进行分析,得到趋势外推模型中非趋势分量的预测结果;测算出某省区“十一五”期间的能源需求总量,并得出这一组合模型的预测结果准确性高、稳定性好的结论。     

基于遗传算法的中国清洁能源需求Logistic预测模型

通过分析中国历年能源需求量变化规律,得出序列近10 a增长趋势与以往明显不同.为准确描述能源需求增长趋势,用整体序列和近10 a序列分别建立Logistic模型,再将两者耦合,并运用遗传算法优化模型参数,由此建立基于遗传算法的能源需求Logistic中长期预测模型.运用该模型对中国2020年能源需求量进行预测,并构建未来社会经济发展情景,结合碳减排目标推求清洁能源需求量,由此建立基于遗传算法的清洁能源Logistic中长期预测模型,并对中国2020年清洁能源需求量进行预测分析.结果表明,该模型物理概念明确,思路清晰,预测结果与中国能源规划目标相符,具有一定的合理性.     

碧口土石坝竖向位移监测的逐步回归模型拟合与分析

对碧口土石坝竖向位移实测数据资料进行了系统分析和研究,通过时空定性分析,确定了坝体沉降变形的主要影响因子,在此基础上建立了各竖向位移测点的统计模型,并采用逐步回归分析方法,对各测点的实测位移进行拟合和分离,进而定量分析水压、温度、时效等分量变化对坝体竖向位移的影响作用,综合分析认为,碧口大坝累计沉降量相对较小,竖向位移变形基本趋于收敛稳定.     

大坝位移监控模型温度分量的欠拟合原因及改进

分析了目前通用的大坝位移数学监控模型对原型监测数据产生欠拟合问题的原因,指出影响模型拟合精度的关键是过于简化了温度分量表达式.根据热量在坝体内外发生传递特点建立微小时段内的坝体热力学模型,分析了温度效应对坝体位移影响规律并引入瑞利分布函数描述其影响过程,结合经扩充的温度分量因子集以数值积分形式给出改进后的大坝位移数学模型温度分量的表达式.实例结果表明拟合效果良好.     

基于MEEMD与排列熵的风电功率超短期预测研究

针对EMD方法存在模态混叠和IMF分量过多等问题,文章提出了一种基于MEEMD与排列熵的风电功率超短期预测方法。首先,利用MEEMD将原始时间序列分解得到各IMF分量,避免模态混叠。然后,计算各IMF分量的排列熵值,将熵值相近的分量合并,有效降低计算量。最后,用模糊树方法分别建立各分量预测子模型,通过叠加得到风电功率预测值。基于某风电场实际运行数据的预测结果表明,该方法的预测精度较高且运算速度较快,适用于风电功率的超短期预测。     

最小二乘支持向量机在某混凝土重力坝弹性模量反演中的应用

针对某混凝土重力坝大坝弹性模量反演的主要方法不能描述坝体位移与弹性模量之间的复杂非线性关系、反演时间长等问题,利用有限元分析软件ANSYS获得大坝在不同水位、不同弹性模量下的水平位移,以不同水位工况下的位移相对值与对应的大坝弹性模量作为最小二乘支持向量机的训练样本,建立基于最小二乘支持向量机的大坝弹性模量反演模型;基于大坝位移实测资料,构建位移统计模型并分离出不同水位工况下的大坝实测位移水压分量的相对值,将其作为大坝弹性模量反演模型的输入量,输出量即为大坝弹性模量的反演值。结果表明,采用基于最小二乘支持向量机的反演模型反演坝体、坝基的弹性模量的结果合理可信,为评价大坝运行状态提供了依据。     

基于STL-Holt-WOA-RF的拱坝位移预测模型

传统的混凝土拱坝位移预测模型主要关注水压、温度、时效等因素与拱坝位移之间的关系,未对拱坝位移数据中所包含的信息进行充分挖掘。为此,采用Seasonal and Trend decomposition using Loess算法(STL)将拱坝位移原始数据分解为趋势序列、周期序列及残差分量。在此基础上,采用鲸鱼优化算法(WOA)结合随机森林算法(RF)对三个分量进行预测,并使用Holt-Winters算法充分考虑趋势序列中的趋势信息对趋势序列的预测结果进行修正。最后将修正后的趋势序列预测结果和周期序列、残差分量预测结果相加,得出拱坝位移最终预测结果。工程实例表明,基于STL-Holt-WOA-RF的拱坝位移预测模型能够显著提高预测的准确性和稳定性,为拱坝位移预测提供了新的思路和方法。     

基于串联灰色多元回归模型的大坝蓄水期变形性态分析

基于某双曲拱坝蓄水期坝顶水平位移的特点,在对其监测资料进行时空分析基础上,构建了蓄水期坝顶水平位移的多元线性回归模型和串联灰色多元线性回归模型,分析预测了该坝蓄水期变形性态。实例分析结果表明,串联灰色多元线性回归模型预测效果优于多元线性回归模型,更合理地反映大坝蓄水期水平位移的变化趋势。     

基于小波分析的大坝监测数据效应分量的提取

将大坝监测的数据序列视为一串由不同频率组成的数字信号,利用多分辨分析提出了基于小波分析提取大坝监测数据效应分量的方法,给出了该法的的基本原理和计算思路。以棉花滩碾压混凝土坝水平位移监测数据为例,分离结果表明,小波变换在分离效应分量具有较好的实用性和操作性。     

改进的非等间距GM(1,1)模型在大坝位移预测中的应用

针对传统GM(1,1)模型在大坝位移预测中的缺陷,通过引入时间变量构建缓冲算子、重构背景值、优化残差等方式改进传统GM(1,1)模型。以某大坝测点径向位移样本为例,分别采用两种模型对观测值进行拟合预测。结果表明,改进的非等间距GM(1,1)模型预测精度有较大提高,更适用于大坝位移监控。研究成果可为大坝位移预测提供参考。     

混凝土坝位移的季节周期趋势分析法

随着大坝变形观测技术的发展,人们越来越重视变形观测资料的分析研究。混凝土坝位移的季节周期趋势分析法是对大坝变形资料分析处理的新方法。这种方法对具有周期,趋势性变形混凝土坝的实测资料进行分析研究,建立季节周期趋势模型以后,再用新观测资料不断修正模型进行滑移式预测预报、精度较高、效果理想。     

逐步回归-PLS模型在大坝位移监控中的应用

针对传统统计模型分析大坝位移监测资料中合理删选自变量问题,以陈村重力拱坝为例,基于偏最小二乘法建模原理,采取逐步回归法筛选变量,构建了逐步回归-PLS模型。实例应用结果表明,该模型简单、有效减少了自变量个数、提高了回归模型的精度和线性显著性。     

改进的非等间距GM(1,1)大坝位移监控模型

针对传统GM(1,1)监控模型在拟合和预测大坝位移方面的不足,通过采用积分方式重构背景值、引进最佳赋权矩阵体现原始数据的时间影响效应、优化残差等途径,提出了改进的非等间距GM(1,1)大坝位移监控模型。结合工程实例,对比分析表明改进的GM(1,1)监控模型相比于传统GM(1,1)监控模型在对大坝位移原始监测资料分析的基础上,预测精度有较大提高,可作为一种新的预测手段应用于大坝位移预测中。     

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。