大坝监测分析中的时间序列叠合模型

叙述了用时间序列叠合模型建立大坝监测预报模型的2种基本方法：统计-时间序列模型和确定性时序叠合模型。通过统计软件SPSS实现2种时序叠合模型的实例表明，在环境量记录完整的情况下，统计-时间序列模型比单纯的统计回归模型精度要高；在缺少环境量监测或与环境量的因果关系不明显的情况下，用确定性叠合模型分析和预报大坝监测效应量的测值，精度也很高，并能够分离出趋势性分量、周期分量和随机平稳分量，分析的结果简单明了，是大坝监测分析中一种比较好的方法。     

基于某混凝土拱坝的坝顶位移回归分析

通过对混凝土拱坝拱冠梁处垂线位移多年监测资料的分析模拟建立坝顶位移统计回归模型。采用逐步回归法,分析水压分量、温度分量、时效分量对坝顶位移的影响量。统计分析回归模型较好地反映了大坝的变形规律与变化趋势,该模型的建立,为今后大坝运行安全性态和预测大坝变形发展规律提供了有效分析手段和途径。     

复杂土坝的渗流安全分析评价

根据福华山土坝的渗流观测资料,建立了测压管水位的回归统计模型,定量分析了各影响量(水位分量、时效分量)对测压管水位的影响效应。在此基础上,结合观测资料,采用有限元法反演了大坝各填筑区的渗透系数,并综合评价了大坝的渗流性态。     

毛尖山拱形土石坝变形性态的数值模型分析

结合变形实测资料,分别建立毛尖山大坝位移的统计模型和灰色模型,量化各影响因素对大坝变形性态的影响程度,评价了大坝的变形性态。数值模型分析结果表明：大坝变形变化规律正常,时效变化量趋于稳定。     

基于EEMD-ELM的大坝变形预测模型

建立合理可信的大坝变形监控模型对科学有效地分析大坝变形监测数据和准确可靠地评估大坝工作运行状况意义重大。通过EEMD算法分解大坝变形量,得到代表不同特征尺度的本征模函数(IMF)分量,针对不同IMF分量选择不同影响因素,将各IMF分量作为极限学习机(ELM)的训练样本对大坝变形分量进行分析、拟合、预测,最后累加各IMF分量的预测结果得到大坝变形预测值。以某碾压混凝土重力坝为例,利用EEMD-ELM模型对大坝变形量进行预测,同时与BPNN模型和ELM模型的预测结果进行对比分析,其中EEMD-ELM模型的平均相对误差为0.566,较BPNN模型、ELM模型分别降低54%和14.8%,表明EEMD-ELM模型预测精度更高,具备一定的应用价值。     

混凝土坝变形观测资料分析理论研究

本文在全面介绍水工建筑物原型观测资料分析常用的统计学方法的基本原理的基础上,着重分析了混凝土坝变形统计回归模型和混合型模型的基本原理和建模方法,特别是变形统计回归模型中水压、温度、时效因子函数的基本理论和公式以及混合模型中水压分量确定性模型的建模原理和方法,为混凝土大坝的统计回归模型和混合模型的构建提供理论基础。     

基于集合经验模态分解和支持向量机的大坝变形预测方法

受水位、温度等诸多因素共同影响,大坝变形具有随机性和非线性特征,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的大坝变形预测算法。算法先对大坝位移序列进行集合经验模态分解,有效分离出隐含在时序中的非线性高频波动成分和低频趋势成分;其次根据各分量特点构造不同的SVM进行预测,最后叠加各分量预测值得到预测结果。与BP神经网络模型及传统支持向量机的对比结果表明,所提预测算法具有较强的自适应预测能力,预测精度较高。     

猴子岩地下厂房围岩变形监测成果分析

地下厂房围岩变形受开挖高程进度、温度及时间推移的影响,位移发展呈现一定的统计规律,采用围岩变形的统计回归模型,探究开挖高程进度分量、温度分量和时效分量对围岩变形的影响程度。位移等值线图表明:深层围岩变形量基本在10 mm以下,浅层围岩变形量大多在30 mm以上,尤其是两侧边墙中上部。     

混凝土大坝冻胀变形统计分析模型研究

通过对混凝土大坝冻胀变形机制的分析,本文对冻胀变形统计分析模型的冰冻因子的构成进行了改进,采用了定周期、定初始角的周期函数因子和气温滞后作用因子等两类因子构成冻胀变形的因子集.对丰满大坝坝顶廊道真空激光准直典型位移测值的模型分析表明,改进的统计模型具有以下特点:(1)拟合效果优于或接近传统模型;(2)模型的物理意义更为明确合理,可以较好地解释历年"双峰"现象.温度分量仅反映传统意义上的简谐温度场变化所产生的结构变形,温度分量的变幅及相位可以正常地得到反映;(3)可以对季节性冻胀的影响进行直接分析,对变化量值进行一定的估计;(4)与传统模型相比,冻胀模型回归结果中的水位分量、时效分量相差不大.从资料分析的角度来看,增加"冻胀因子"并未使问题复杂化.总体来看,本文所建立模型方法是有效的.对于冻胀问题较为严重的混凝土大坝如丰满,有必要采用考虑冻胀因子的模型进行分析,以了解及评价冻胀对变形性态的影响,对大坝老化评估也是很有意义的.     

梅山水库大坝河床段变形监测资料分析

为分析梅山水库大坝河床坝段变形规律,定量识别各因素对河床段变形的影响,通过分析大坝10#和11#垛坝段的变形监测资料,建立回归统计模型进行拟合,再选取典型特征年(2021年)监测数据进行各分量的分离。结果表明：水库河床坝段其X向位移较小,Y向位移呈年度周期性变化;谐波因子的逐步回归模型能够较好反映变形规律,复相关系数为0.8~0.95;河床坝段的位移主要是受温度的影响。     

基于EMD的小波神经网络模型预测大坝变形

针对大坝变形预测中非平稳非线性的数据处理问题,以及小波神经网络(WNN)在预测中无法实现自适应多分辨率分析的不足,提出一种基于经验模态分解(EMD)的小波神经网络预测模型(EMD-WNN)。利用经验模态法将变形时间序列分解成具有不同物理尺度特征的变形分量,以便降低其非平稳性;然后采用游程判定法对波动程度相似的分量重构为高、中和低频3个分量,并分别对其建立WNN模型;最后叠加各预测值即为最终预测结果。算例与多元回归模型、BP神经网络模型和WNN模型对比分析表明,该算法预测精度较高,可用于大坝变形预测。     

大坝安全监测统计模型的精度和实效

大坝安全监测资料综合分析是大坝安全监测工作重要组成部分，综合分析包括各种定性、定量的分析，而定量分析中多元逐步回归统计模型分析应用最为广泛。统计模型的组成一般包括水压分量、温度分量、降水分量和时效分量，模型建立是否精确直接影响到回归模型的精度和实效，温度因子、降水因子、时效因子的合理选用对回归模型精度有较大影响。针对不同类型大坝各个阶段运行情况，优选多种函数的组合作为模型的降水、时效等因子，通过多元逐步回归可获得较理想的效果，提高统计模型的精度和实效。图4幅。     

基于稳健估计的大坝变形监测统计模型分析

回归分析是大坝安全监测统计模型的核心,测值粗差的存在使回归参数变异,造成统计模型一定程度上失真,所以在回归分析中必须对其进行处理。本文采用稳健估计的思想,根据残差大小对监测值进行赋权迭代计算,使常规统计模型具有抗差性。将稳健估计的思想应用于某工程实例分析,发现与常规统计模型相比,稳健统计模型能够有效抵抗粗差对模型参数求解结果的影响,并能较好反映水压、温度和时效等效应量的影响。     

特高拱坝施工及初次蓄水期变形回归模型研究

针对特高拱坝施工及初次蓄水期间的变形特点,在传统模型基础上,增加了初次蓄水坝高因子、初蓄温度因子和初蓄渗流因子,建立了施工及初次蓄水作用下的大坝变形回归模型。通过对某高拱坝初次蓄水期间大坝回归分析可知,新模型拟合精度高,各测点相关系数均在0.99以上。水压分量、温度分量、坝高分量、初蓄及时效分量变化趋势以及在整个径向位移中所占比例符合实际规律,考虑了施工及初次蓄水期间坝体上升、外界温度影响、坝体自身温度变化、初次蓄水及渗流作用、时效等影响,反映了初蓄期间坝体的变形特性。总之,新的大坝变形回归模型能够较好地反映施工及初次蓄水期的各种影响因素,便于分析施工及初次蓄水期坝体的工作性态。     

基于数理统计多元回归模型的拱坝水平位移影响因素分析

为了从海量大坝安全监测数据中揭示大坝变形行为与其影响因素之间的数理统计规律,建立了大坝水平位移多元回归统计模型,并采用最小二乘法获取了统计模型的参数估计值。结果表明：模型计算值与实测值吻合较好,复相关系数较大,剩余均方差较小;所建立的基于最小二乘参数估计数理统计多元回归的分析模型能够有效解释水压分量、温度分量和时效分量对水平位移的影响,为评价大坝运行性态和预测大坝水平位移发展规律提供了有效的分析手段和途径。     

混凝土坝变形Wavelet-EGM-PE-ARIMA组合预测模型

混凝土坝的总变形可以归结为由水压和温度变化引起的变形以及随时间发展的变形。其中,水压变形和温度变形体现为总变形中的周期性分量,而时效变形体现为总变形中的趋势性分量。借助复合建模思想,提出一种混凝土坝变形Wavelet-EGM-PE-ARIMA组合预测模型。首先利用小波多分辨分析功能,分解出大坝变形时间序列中的趋势性项、周期性项;其次,运用EGM模型实现对趋势性项的有效预测,采用周期外延模型实现对周期性项的有效预测,在此基础上,利用ARIMA模型实现对EGM模型和周期外延模型残差项的有效预测;最后通过某工程实例,检验所提出模型的有效性。计算结果表明:该组合模型充分考虑大坝各变形分量的变化规律,并基于此,实现对大坝变形时间序列有效的拟合和预测,且其拟合和预测精度均明显优于传统统计模型。     

基于LMD与样本熵的多尺度大坝变形预测

针对大坝变形数据的多尺度特征,将局域均值分解、样本熵及高斯过程算法应用于大坝变形预测中,提出了多尺度大坝变形预测新模型。首先利用局域均值分解算法对变形数据进行多尺度分析,挖掘变形数据隐含的信息,随后根据各变形分量特征,构建基于高斯过程的多尺度大坝变形预测模型,并利用样本熵对模型进行简化。通过实例分析,证实该大坝变形预测新方法精度高于BP网络和最小二乘支持向量机模型。     

基于EMD-EEMD-LSTM的大坝变形预测模型

大坝变形监测数据通常呈强波动性,针对大坝变形信息中的高频分量,提出了EMD-EEMD-LSTM模型对其中的大坝变形信息进行分析,预测大坝变形趋势。首先,选取EMD对原始大坝变形序列进行分解,得到若干分量;针对高频分量,使用EEMD对其进行分解,以挖掘蕴含其中的有效变形信息;最后以LSTM为预测模型,对上述得到的各分量进行建模分析。分析表明,EMD-EEMD模型可以有效解决了原始变形序列及高频分量的强波动性,结合LSTM在时序预测中的优越性,基于EMD-EEMD-LSTM的大坝变形预测模型具有较高精度。     

基于PCA的高混凝土坝变形空间融合监控模型

针对单测点监控模型无法反映大坝整体变形性态的问题,提出了基于主成分分析(PCA)的高混凝土坝变形空间融合监控模型。以混凝土坝空间变形场多测点监测数据为基础,利用PCA提取能反映大坝整体变形性态的综合效应量,基于有限元对其建立混合模型,并以模型预测值与实测值之间的2倍标准差作为控制域进行大坝空间变形性态的融合诊断。应用此模型对某高拱坝进行建模分析,结果表明,所提取的第一综合效应量即可解释原29个坝体正垂线测点所共同表征的大坝变形性态,对其建立的混合模型中水压分量的调整系数为0.85,分离出来的时效变形分量尚未收敛,说明坝体目前仍有向下游侧的整体趋势性变形,与该高拱坝处于蓄水运行初期的状况相符。基于PCA的空间融合监控模型,可有效减少变形监控模型的数量,从而快速诊断高混凝土坝的整体变形性态。     

徐村大坝位移原型观测资料分析

通过对徐村大坝初蓄期的位移原型观测资料分析，建立了统计模型和逐步回归方程，分析了大坝的变形规律和相关分量对位移的影响。