大坝监控小波去噪变权支撑向量回归机模型

为有效利用监控模型和指标判别大坝安全性态,实现大坝安全预警。首先利用小波分析对实测数据进行去噪处理,在此基础上利用支撑向量机小样本建模和高泛化能力,考虑不同幅度测值对大坝预警所起的作用不同,从而建立大坝监控变权支撑向量回归机模型。工程实例和理论分析表明,模型具有一定的理论和实用价值。     

混凝土坝时效变形特性研究

分析了目前混凝土坝变形监测模型中时效因子的特点,提出了采用“预建模”方式优化时效预置因子集的方法,通过对某混凝土坝水平位移实际建模结果的对比分析,得出了混凝土坝时效变形的一些特性。研究表明：当时效因子预置不当时,可能导致模型分离出的时效变形背离其基本物理意义;当变形建模结果中回归常数绝对值很大时,时效变形将会出现畸形;通过对混凝土坝时效变形特性进行分类,可以建立大坝结构实测性态评价的定性准则,制定大坝安全监控的定性监控指标。     

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。     

凤滩大坝变形特性及安全裕度研究

针对凤滩大坝的具体情况,结合位移原型观测资料的分析结果,分别采用统计模型法、混合模型法分析凤滩大坝坝顶水平位移变化规律,在此基础上运用置信区间估计法和典型小概率法拟定凤滩大坝坝顶水平位移的安全监控指标,并基于变形监控指标提出评价大坝变形安全裕度的方法.     

位移混合模型在新安江大坝变形性态分析中的应用

采用基于实测资料和力学原理的混合模型建立了新安江大坝水平位移单测点和挠曲线监控模型,分析了该坝的变形性态.从混合模型的分析结果可以看出,新安江大坝时效位移虽有增加,但增加量在逐年减小.因此,水平位移的变化规律总体上正常.     

基于PLS和GA的大坝变形神经网络预测模型

针对大坝安全监控模型中各因子间的多重共线性和非线性,利用偏最小二乘回归法解决了多重共线性,用经遗传算法优化的RBF神经网络解决了非线性,建立了PLS-GARBF大坝水平位移预测模型.实例应用结果表明:PLS-GARBF模型的预测精度优于独立使用RBF或GARBF的精度,更适合大规模的数据建模.     

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。     

大坝安全监控模型在佛子岭大坝安全运行中的应用

本文介绍了佛子岭连拱坝长系列观测资料分析的成果和实际应用.根据大坝监测资料,运用有限元计算及数控模型,全面分析了1993年11月下旬大坝变形“异常”的过程和连拱坝变形机理,定量地分析了各影响因素的作用,解释了大坝变形“异常”的原因,并提出了重点坝段不同时段位移的监控指标及相应运行水位的控制值.以实例说明了建立大坝监控模型及提出安全监控指标,对水库大坝安全运行的指导作用及重要意义.     

主成分回归分析在大坝安全监测中的应用

介绍主成分回归的原理,对某大坝的位移预测进行分析研究.利用SPSS软件进行多重共线性诊断后进行主成分分析,确定主成分的个数,将原自变量的主成分代替原自变量进行回归分析,建立主成分回归模型,并对该大坝位移进行预报.对影响大坝位移的各因子进行有效分离,既保留了原指标的绝大部分信息,又有主成分之间不相关的特点,弥补了最小二乘法回归无法有效识别和消除因子间多重相关性影响的不足.     

青铜峡大坝原型观测资料分析

根据青铜峡大坝原型观测资料，应用三维有限元方法对坝体结构进行了分析计算，采用多种监控模型和分析方法，综合考虑多种影响因素，对大坝变形成因进行了分析。在此基础上，拟定大坝水平位移监控指标，并对大坝进行了综合分析和安全评价，为大坝运行管理提供了依据。     

逐步回归分析法的一点不足之处

在大坝安全监测分析中，通常采用统计模型、确定性模型或者混合模型对影响观测值的环境量进行定性和定量分析而获得这些模型的最优解，一般通过逐步回归分析法。但事实上，在遇到具体情况时逐步回归分析法并不一定能寻求到最优解，通过全面比较各因素对观测值的影响，提出了逐步回归分析法的一点缺陷。     

基于主成分回归的大坝位移模型

位移监测是大坝安全运行过程中一项重要的工作。在建立大坝位移预报模型的过程中,常会出现影响因子之间存在严重相关性的情况,会影响模型系数的稳定性,采用主成分回归分析的方法可以很好地解决这个问题。在简述主成分回归分析原理的基础上,结合工程实测数据,建立了坝体位移量与相关因子的主成分回归模型和逐步回归模型,并对两者进行比较,取得了良好的效果。     

渗压监测统计模型欠拟合问题及因子的扩充

在使用统计回归模型来建立安全监控模型时,选用有限的因子进行拟合,往往会出现由于因子选择不确切或者不全面导致模型出现欠拟合问题,影响其拟合和预报精度,因此有必要对模型进行补充和完善。结合渗压监测的原型观测资料,用因子扩充和组合进行建模,计算结果表明这样建立的模型回归精度更高。     

加权灰色与加权统计模型在边坡变形预测中的应用研究

 利用实测变形数据建立监测模型对边坡变形规律进行预测是工程安全监测中的重要手段。对于长期发展变化的变形来说,新、旧信息反映的规律通常会有所不同,充分合理利用新的实测信息是实时掌握边坡状态、预测下一阶段趋势的必要工作。以加权的方法增强新的监测信息的作用,适当削弱旧信息的作用,比较选取权形式,对相应的变形加权回归模型和加权灰色模型进行建模分析,其预测效果比不加权模型有较明显改善。并通过权重的改变对模型的拟合、预测结果进行了比较,总结其规律,提出了使用建议。     

监测数据共线性问题的岭回归法分析

针对水工监测数据不可避免地存在多重共线性,而最小二乘法又难以有效识别多重共线性并消除其对模型精度的影响的问题,初步分析了多重共线性产生的原因及其对回归模型的不良影响,简要介绍了其诊断和处理方法。引进岭回归法对共线性监测数据进行分析,其核心思想简单,算法易于编程实现,回归结果实际意义明确。某工程实例分析结果表明,相对于经典的最小二乘回归法,岭回归的结果更为合理,更符合实际,在水工监测数据统计模型分析中有较好的应用价值。     

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.     

关于土坝沉降过程回归分析模型选择的思考

要做好土坝沉降过程的回归分析，首要的工作是选择一个合适的数学模型。该文试图在这方面作一点探索。首先，提出了模型选择的基本原则，并据此确定了选择的范围。然后，通过大量的拟合、试算，优选了４个可用的模型。并建议：在分析之前，先用这４个模型分别试算拟合，即可找到适合该坝沉降分析的最佳模型。该文提出的方法，对于防洪土堤沉降监测资料的分析，也是适用的。     

某水电站大坝扬压力统计回归分析

影响坝基扬压力大小的因素众多,如上、下游水位、排水系统、降雨及渗透作用等。综合某流域的水电站工程概况及气候特征和地形条件,采用逐步回归的方法建立统计模型来分析水位分量、温度分量和时效分量对扬压力的影响,得到各测点扬压力的极值、年变化率、年变幅和回归值、时效因子等图表。通过计算分析,运用该模型分析实测资料,其分析结果与实...     

基于PLSR的静态灰色模型在大坝安全监控中的应用

本文将偏最小二乘回归运用到静态灰色模型中，消除了因子间多重共线性的影响，建立了一种新型的大坝安全监控模型，并对黑河水库的应变资料进行了分析。研究分析表明，基于偏最小二乘回归的静态灰色模型优于传统的静态灰色模型，这为大坝安全监控提供了一种新的思路和研究方法。     

基于多层递阶回归的土石坝渗流时变监控模型

根据土体流变机理,考虑时间效应,对以往的渗流监控模型进行了改进.在此基础上,建立了基于多层递阶回归方法的土石坝渗流时变监控模型,并就某工程实例验证了该模型的有效性.计算结果表明,该模型具有较高的拟合精度,且其预报能力较非时变模型强.