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。     

大坝安全监控的递推PLSR模型

在大坝安全监测数据分析中,传统的监控模型大多采用的是静态分析方法,但是,随着数据的积累,静态分析法将会影响计算效率,预测精度也会降低.针对这一问题,对初始样本数据按时间次序分成多个时间块,用偏最小二乘回归法对各时间块建模,在此基础上,对选定的时间块分配权重,以递推的方式,构建了加权块式递推偏最小二乘回归模型.实例表明,与其他静态模型相比,该模型的效率和预测精度较高,在大坝安全监控领域具有一定的推广价值.     

OSC-PLS法在大坝安全监控模型中的应用

为了提高PLS大坝监控模型的可解释性,引入一种数据预处理方法——正交信号修正(OSC)法,对原始自变量进行预处理,去除和因变量无关的信号,再建立PLS监控模型。实例分析表明,OSC-PLS法只需要1个主成分就可以建立监控模型,与PLS模型相比,该模型的回归系数具有明确的物理意义,因子的重要性指标更合理。因此,OSC-PLS大坝安全监控模型结构更简单,解释性更好,具有一定的推广价值。     

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.     

大坝安全监控模型因子相关性及不确定性研究

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足，本文对大坝安全监控模型因子间的相关性及其不确定性进行了研究。引进偏最小二乘法，对大坝安全监测变量及其影响因子进行偏最小二乘回归分析，将建模预测分析方法与非模型式的数据内涵分析有机结合，可同时实现回归建模、数据结构简化以及因子相关的不确定性分析，所建立的大坝安全监控模型，其精度可通过交叉有效性检验来控制。工程应用实例和模型对比分析研究表明，偏最小二乘回归模型能有效克服各类因子变量间的多重共线性对模型拟合精度及其预测能力的影响，因而比目前常用的最小二乘回归模型更具广泛适用性。     

基于遗传算法的偏最小二乘回归模型在大坝安全监测中的应用

偏最小二乘回归能较好地解决自变量之间严重的相关性问题,遗传算法作为一种新的全局优化搜索方法,具有智能性搜索、并行式计算、鲁棒性强等优点.本文在偏最小二乘回归分析的基础上引入遗传算法,依靠其有效的自适应全局搜索优化功能,对偏回归模型中的回归系数进行重新评估,建立基于遗传算法的偏回归模型.实例分析表明:基于遗传算法的偏回归模型有良好的拟合效果和预测精度.     

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。     

基于鲁棒性回归方法的大坝安全监控混合模型研究

为了避免大坝损坏造成严重的、不可预知的损失,需要对大坝进行安全监控。以某水库大坝为例,研究了鲁棒性回归方法在大坝安全监测混合模型中的应用可行性。结论显示,该方法的各个预测指标均明显优于传统的最小二乘法估计,基于鲁棒性回归方法的大坝安全监控混合模型可以用于大坝安全监控预测研究。     

CPSO-NN模型在大坝安全监控中的应用

针对大坝安全监控中传统BP神经网络模型由于采用最速下降法求解网络权值而存在的计算过程复杂、易陷入局部极值点等缺点,提出大坝安全监控神经网络权值的协同粒子群优化求解方法。该方法先把网络权值的计算问题转化为粒子群的寻优问题,然后通过粒子群协同寻优实现对网络权值的计算。工程实例分析结果表明:基于协同粒子群算法的神经网络模型计算简单、收敛速度快、拟合精度高,为大坝安全监控分析提供了一种有效的新方法。     

多因子静态灰色模型在大坝安全监测中的应用

本文结合实例详细地说明了多因子静态灰色模型的建模机理,并用大坝变形监测数据建立了GM(0,N)模型,通过实例计算对模型进行了精度分析,并对大坝的变形态势进行预测,得到了较好的预测精度。将多因子静态模型与回归模型进行比较,进一步说明了灰色系统模型在较少数据情况下的优越性。从而进一步表明灰色系统理论对大坝变形分析来说确实是一种有效的数据处理方法。     

浅析组合模型在大坝安全监测中的应用

文中简要阐述了几种组合模型在水库大坝安全监测与管理中的应用,通过线性组合模型及非线性组合模型的分析,针对大坝安全指标参数存在相关性以及因变量随时间城变化等问题,详细论述了建立组合模型,解决上述问题的方法,对大坝的长期安全运行管理有一定的借鉴作用.     

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.     

灰色模型在大坝变形监测与预报中的应用

建立有效实用的大坝变形监测模型,对于大坝运行意义重大。目前国内外常用统计模型和确定性模型来预报大坝变形,但精度普遍不高。作者提出一种基于不确定性模型的非等间隔灰色模型对大坝变形进行监测预报。预报过程建立在数学基础上,而且预报结果的精度能够满足工程需要。     

基于M-ELM的大坝变形安全监控模型

针对大坝变形监测数据存在的非线性强、异常值诊断和剔除工作复杂及传统监控模型抗粗差能力差等问题,结合稳健估计理论抗粗差性强和极限学习机在处理非线性问题方面的优势,建立了基于稳健估计极限学习机的大坝变形安全监控模型。试验确定网络隐含层层数,构建4次方损失函数,采用加权最小二乘法计算输出权值,实现原始监测数据的拟合和预测。以某工程大坝变形监测数据为例进行建模分析,结果表明:以反映模型预测精度的均方误差和平均绝对百分误差及反映模型鲁棒性的中位数绝对偏差作为评价指标,基于稳健估计极限学习机的大坝变形安全监控模型的各项指标明显优于对比模型。