基于ISVM—逐步回归组合的混凝土坝变形监控模型

针对混凝土坝监控模型中监测数据较少、维数和非线性程度较高以及逐步回归方法预报值波动大,部分测值失真致拟合效果不佳等问题,鉴于支持向量机(SVM)能有效解决小样本、高维数以及非线性问题的能力,为此,基于改进SVM理论(ISVM)对大坝监控模型中的水压分量进行模拟,并采用逐步回归方法将模拟后的水压分量、温度分量与时效分量进行结合并模拟,建立了基于ISVM—逐步回归组合的大坝监控模型,将拟合和预报结果与逐步回归—逐步回归、ISVM—ISVM及逐步回归—ISVM组合的预报结果进行对比.结果表明,基于ISVM—逐步回归组合的混凝土坝安全监控模型拟合精度高,预测效果好,将更适于大坝监控模型的建立.     

根据历史位移预报大坝变形的神经网络方法

根据东江大坝变形水平位移实测数据分别建立统计模型和神经网络模型，以历史位移值作为参数来进行预测、预报，与采用变形因子作参数不同。实践表明，根据历史位移值来预报大坝变形是可行的，在预报精度方面，神经网络模型比统计模型得到的结果稍优。     

BP网络在大坝变形空间多测点监测模型中的应用

利用BP网络的较强函数非线性映射能力,对大坝多个测点的变形监测数据进行了仿真及预测,所建立的空间多测点BP网络模型以水位、温度、时间、测点坐标作为输入参数,以大坝变形值作为网络输出.结果表明,通过有代表性的学习样本对网络的训练,模型的拟合及预报结果能够满足精度要求,同时,与传统的统计建模方法相比,大坝变形多测点BP网络模型具有实施容易、运行速度快、误差修正方便、操作简单、运行灵活等优点.     

基于时间序列的大坝早期变形预测

大坝早期变形是一个含有已知和未知因素的不确定的复杂过程,沉降变形计算和预测在水库运营管理中具有重要意义。针对大坝变形沉降曲线非平稳的特性,利用时间序列原理建模进行预测,并与实测数据进行比较。结果表明,时间序列预报模型较好地描述了变形监测点的变化规律,预测精度优于灰色模型,更适用于实际应用。     

基于多元线性回归模型的大坝变形预报研究

大坝变形监测预报的准确性对大坝安全评估具有重要作用,而其变形又受诸多相互关系复杂的外界因素的影响。阐述了目前大坝变形预报的几种主要模型和方法,重点对多元线性回归模型进行了分析。针对温度因子和时效因子的特点,在建模时考虑了温度因子对大坝的时延影响,采用三角函数对温度因子进行表述;对时效因子采用衰减蠕变因子描述,建立了科学合理的回归方程。以三峡工程大坝安全监测为例,采用M at-lab语言对回归模型进行了编程实现。计算结果表明,采用多元线性回归模型能有效地对大坝变形进行预报,预报精度较高,对大坝安全评估具有重要意义。     

灰色—马尔科夫模型在南俄5水电站大坝变形预测中的应用研究

利用灰色—马尔科夫模型对南俄5水电站大坝变形进行预测分析研究,利用数据分组技术进一步提高了灰色—马尔科夫模型预测变形的精度。以南俄5水电站大坝表面水平位移观测值为样本,将大致能够拟合为指数函数曲线的数据分为一组,然后分别考虑不分组和分组两种情况预测其未来值。经过计算对比后发现合理的分组可以使预测值的相对误差缩小到11%以内,精度较之前有了明显的提高。由此表明,利用灰色—马尔科夫模型并结合适当的数据分组技术对大坝变形的预测有较好的效果。     

改进的灰色马尔科夫模型在大坝变形预测中的应用

针对灰色模型在建模过程中受到随机扰动影响这一问题,利用马尔科夫模型预测波动性数据准确的优势,对灰色模型进行改进,并应用于大坝变形预测计算与分析。结果表明,改进的灰色马尔科夫模型对存在扰动数据的大坝变形预测中,可以获得较好的预测效果,提高预测精度。     

年极值水位的灰色马尔科夫预报模型

本文将灰色系统与马尔科夫链理论相结合，提出了一种高精度的预报模型———灰色马尔科夫模型．计算表明，年极值水位的预报值很好地吻合了实测结果．此外，本文还得到了一种精度提高的求解ＧＭ（１，１）的新方法．     

BP网络监测模型的Matlab&Delphi混合编程

结合Maflab和Delphi各自的优点,利用M文件的传输技术将Delphi和Matlab连接起来,开发出界面友好,功能强大的BP神经网络应用系统,并利用该系统建立了大坝变形监测模型.模型的实际应用表明,该系统具有建模方便、快捷、拟合预测精度较高的优点.     

最优加权组合法在大坝垂直位移分析中的运用

通过筛选出的安全监测模型,经最优加权组合,建立万家寨水利枢纽大坝变形监测模型.实测分析表明,最优加权组合模型精度高于任何单个模型的精度,如广义线性多项式逐步回归模型和多项式逐步回归模型等.组合模型的精度主要与参比组合的模型精度有关,精度高的单个模型对组合模型的贡献大,获得的最优权重也较大:精度低的单个模型对组合模型的贡献小,获得的最优权重也较小.因此在安全变形分析时应有较多的模型供选择.     

基于多元回归分析的宝鸡市区地下水位动态预报

在简要介绍回归模型的建立、求解及检验的基础上,以1990年~2007年宝鸡市区年降水量、年开采量和天然河道渗漏量作为自变量,宝鸡市地下水水位埋深为因变量,建立了宝鸡市区地下水位动态预报模型。通过对2008年的地下水位埋深进行预测,精度较为理想;并应用F检验法、相关系数r的评价和p值检验法对模型进行检验,结果表明所建立的模型能够反映因变量与自变量的线性关系,因而,可以应用于宝鸡市区地下水位动态预报。     

大坝自动化监测数据的漂移校正

应用统计学原理，研究了对大坝自动化监测数据的区间性漂移进行校正的方法。首先，分别对测值序列中各段无漂移的子系列，以监测效应量(子系列效应量的平均值)的波动值作为因变量、以环境因子(子系列因子的平均值)的波动值作为自变量，逐段准备数据；之后，将各区段中准备好的数据融合在一起，进行全序列的回归分析；最后，根据回归分析的结果及漂移前后环境量的区段平均变化程度估计漂移量，并对测值进行校正，给出了具体的校正公式。此外，通过方差分析对校正精度进行了估计。     

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。     

城市需水的智能预测方法研究

选取对城市用水影响较大的因素作为预测指标,通过HP滤波分析其指标及用水量的趋势成分及波动成分。应用多元线性回归法对趋势性成分进行模拟,应用模糊神经网络对波动性成分进行网络训练,以获得城市需水的总预测值。以大连市1980~2000年用水及其相关因子为例建模,以2001~2007年指标对模型进行检验,预测了大连市2010、2020年的需水值,为城市水资源规划提供一定的理论支持。     

风光水互补系统时间序列变量概率预报框架

风光水互补系统实时调度受风速、太阳辐射强度、径流和电力负荷等时间序列变量的不确定性影响,如何准确预报这些变量并量化预报的不确定性是风光水互补系统面临的关键难题。为此,本研究提出一种基于深度学习模型的时间序列变量概率预报框架。首先,从时间序列数据中挖掘特征输入并采用相关系数对生成的特征进行初选;其次,基于深度学习模型和高斯过程回归构建时间序列变量概率预报模型,同时分别通过0-1规划思想和贝叶斯优化算法实现特征组合优化和超参数优选;进而,从确定性预报、概率预报和可靠性3个方面对预报模型进行全面评价;最后,以雅砻江流域风光水互补先期试点示范基地作为研究对象,分别在径流、风速、光伏和负荷4个数据集上与目前7个不同的时间序列变量预报模型进行全面对比,验证本研究提出预报框架的精度和概率综合性能。     

基于改进变维分形理论的拱坝温度监测数据预测模型

 目前用于温度监测数据预测的模型,对数据的长度有较强的依赖性,监测数据量较少时,预测效果不理想,在分形理论的基础上,尝试建立改进的变维分形预测模型,并以白莲崖拱坝温度监测数据为例进行分析、预测。结果证明,这种模型发挥分形理论有相似性的特点,克服了其他模型对数据长度的依赖性和噪声干扰对预测效果的影响,能较好应用于小数据量监测数据的预测,精度较高,有着良好的抗噪性。     

基于H-K聚类逻辑回归的贯流式机组水导轴承磨损性能评估研究

贯流式机组水导轴承性能对机组振动特性和稳定运行有很大影响,对此本文提出了一种基于H-K聚类逻辑回归模型用于实现贯流式机组水导轴承磨损性能评估。以黄河河口水电站3#机组振动、摆度幅值和工况参数等作为自变量,水导轴承运行状态作为因变量,同时为了增强模型泛化能力,引入H-K聚类方法对自变量进行离散化处理,通过建立变量之间的逻辑回归模型实现对机组水导轴承磨损性能评估。研究结果表明:机组轴系摆度信号和机组轴系振动信号可以更好地解释水导轴承性能变化,同时通过模型对水导轴承性能显著影响的特征信号频谱分析推断,机组水导轴承磨损的主要原因是机组轴线偏移和不平衡电磁拉力影响所致。     

变权组合预测模型在大坝安全监测中的应用

简要介绍了组合预测模型的基本原理，该模型改进了单一模型考虑因素的片面性，但常规的组合预测模型的权系数是固定的。考虑到各种模型的预测精度的变化，以及大坝安全监测数据存在的突变、时效等因素，固定权系数的组合预测模型有待进一步改进。文中提出了变权系数组合预测模型，并将其用于实际的大坝安全监测工程。结果表明，变权组合预测模型的预报精度高于其他模型。是一种值得推广的方法。     

基于粒子群仿生算法的混凝土坝变形预报模型

将粒子群算法引入大坝安全监控领域,并结合多元回归统计模型,建立基于粒子群算法的混凝土坝变形预报模型。利用粒子群算法的全局寻优能力以及该算法具有正反馈信息的仿生特点,通过优化迭代计算,确定坝体变形统计模型中各回归系数。工程实际应用表明,基于该模型的预报结果与传统的最小二乘法相比,可显著提高混凝土坝变形的预报精度,所以该模型的预报应用是可行的。     

城市年用水量灰色预测研究

灰色预测模型要求原始数据序列满足指数规律,而实际上城市用水波动性大,无典型指数趋势变化,而一般呈代数曲线形式变化,因此本文提出了改进的灰色模型在城市年用水量预测中的应用,改进的灰色预测模型主要基于灰色预测模型一次累加的建模思路。将改进的灰色预测模型用于某城市的年用水量预测,结果表明:改进的灰色预测模型与传统的灰色预测模型相比,平均相对误差以及原点误差均较小,可用于该市的年用水量预测,为该市年用水的宏观调控与用水规划提供参考。