改进的土石坝GACO-BP渗流监控模型研究

为克服标准BP算法训练效率低、易陷入局部极值等不足,引入遗传蚁群混合算法(GACO),并对其混合时间和信息转换的计算方法进行改进,利用改进后的算法优化标准BP神经网络的权值和阈值,对土石坝的渗流压力进行监控。以某土石坝为例,利用GACO-BP神经网络监控模型以测压管水位为指标对其渗流压力进行预测,将预测结果与同结构的经典BP神经网络预测结果进行对比发现,GACO-BP神经网络模型在训练速度和预测精度上明显更好,在土石坝渗流压力预测和分析方面具有较好的实用性。     

NARX在土石坝渗流预测中的应用

渗流监测是掌握大坝安全性态的重要手段,针对土石坝渗流压力存在滞后于库水位的特点,引入具有延时输入特性的带外源输入的非线性自回归神经网络(Nonlinear Auto-regressive with Exogenous inputs neural network, NARX)实现土石坝渗压的有效预测。以某一水库大坝为例,将历史某时段的库水位和降雨等影响因子作为输入序列,渗压测值作为输出序列,分别建立NARX网络多因子和单因子模型进行拟合训练和多步预测,并将预测结果与传统回归模型和传统BP神经网络进行对比。研究结果表明,在RMSE、MAE、MAPE 3种精度指标下,NARX模型均优于2种传统模型。其中,在单因子条件下,NARX仍具有良好的表现。NARX的延迟输入特性可在一定程度上模拟坝体水流渗透的滞后性,对于土石坝的渗压预测具有良好的应用效果。     

基于遗传优化LMBP算法的变形分析与预报

本文针对传统BP神经网络存在收敛速度慢、计算量大、易收敛于局部最小点的缺点,引入遗传算法与LM算法优化BP神经网络,并对优化后的BP神经网络进行训练与预测。实验结果表明：优化后的模型具有训练速度快、预测精度高的特点,更适用于大坝的实时预报。     

基于LM算法的BP神经网络在大坝变形监测数据处理中的应用

针对传统反向传播（BP）神经网络收敛速度慢、计算量大的缺点,引入一种结合LM（Leverberg Marquart）优化算法的BP神经网络,并应用在大坝的变形预报中。实验结果表明,新模型具有训练速度快、预测精度高的特点。     

降雨条件下土石坝渗流量监控方法研究

降雨对土石坝渗流量监测值影响明显,评判土石坝的渗流性态必须在实测渗流量中扣除降雨因素。为此,将朴素贝叶斯分类算法、回归分析和LSTM模型综合应用到土石坝渗流量监控中,实现降雨条件下的土石坝渗流量推理预测。首先以是否出现降雨径流为条件,对数据进行离散化处理,并引入回归分析方法,构建降雨径流～降雨过程数据组;采用LSTM方法构造降雨径流～降雨过程定量模型,最后将上述成果用于不同降雨过程条件下的降雨径流预测。应用结果表明,该方法可以比较准确地剔除由于降雨径流对大坝渗流量测值造成的干扰,可以准确监控土石坝渗流状态。     

基于热传导理论的土石坝渗流及温度模拟研究

水库水位和温度变化会影响大坝渗透压力和大坝变形,对大坝稳定性造成一定影响。以土石坝工程为例,考虑了水位变化和空气温度变化对大坝渗流和坝体温度的影响,采用多孔介质模型中的热传导、对流和扩散方程,模拟了变水位和变温度非稳定边界条件下坝体渗流和温度梯度变化规律。研究结果可为相关土石坝工程监管提供参考。     

基于GAMLSS-GLO及随机森林算法的土石坝渗流监测模型

根据土石坝渗流原型观测,厘清水位、降水等因素的影响,模拟大坝渗流的真实状态,合理评估其渗流监测结果,是土石坝安全监控亟待解决的关键问题。基于此,根据数理统计原理,采用随机森林算法构建无降水条件下渗流量与上下游水位的回归模型;考虑渗流量受前期累积降水的综合影响,引入广义可加模型（GAMLSS-GLO）,模拟降水影响下土石坝渗流监测值的波动区间,并将其与渗流-水位回归模型叠加,预测土石坝渗流监测的可靠区间;最后,将该方法应用于糯扎渡心墙堆石坝的渗流监测。结果表明：所提模型方法对渗流的水位、降水响应表现出良好的适用性,显著提高了渗流模拟预测质量。同时求解了渗流量置信区间,有利于土石坝的运行工况判断及安全监控。     

改进的BP算法在土石坝渗流问题中的应用

介绍了通过控制综合误差改进的基于遗传算法的BP算法,以及该BP算法在土石坝渗流问题中的应用。实例计算表明,这种新方法与其它传统方法相比,网络训练速度明显加快,预测的精度也比较高,是土石坝渗流分析的一种有效可行的新思路和新方法。     

恰甫其海粘土心墙坝体渗流监测资料分析

为了有效地掌握土石坝的渗流状态,根据大坝渗流监测资料,结合工程实际,考虑库水位、降雨量、温度及时效等因素的影响,建立了土石坝坝体和坝基测点的统计分析模型,通过实测值与模型值之间的对比来判断大坝的渗流性态。分析结果表明,大坝渗流性态正常,分析模型的应用效果良好。     

分段法监控滩坑大坝渗流量

土石坝坝后量水堰测值是反映大坝渗流状况的重要监测量,然而该值易受客水干扰,特别是在降雨影响下,测值不能直接反映大坝的渗流状况,将影响大坝的结构安全评判结论.结合滩坑大坝渗流量实测数据,采用统计回归和LSTM方法,构建渗流量预报模型,可以较好地应用于不同降雨过程影响下的大坝渗流量预测预报.