基于博弈论的大坝POT预警模型及其应用

引入极值理论,提出了基于博弈论的POT变形预警模型。对于多测点原型观测数据,以博弈论确定其综合权重,以信息熵理论构建多测点的变形熵,通过POT模型设置一定的阈值,选取变形熵的超限值作为建模对象,利用广义帕累托分布拟合超限数据子样,以失效概率给出其变形预警值。将该方法用于雅砻江流域某混凝土拱坝的大坝预警实践,结果表明,与传统的单测点处理方法相比,该模型可以得出更加合理的结果,更能反映工程实际。     

基于PPA-POT的RCCD变形监测控制值拟定方法

在碾压混凝土坝(RCCD)长期服役过程中,变形是能够直观反映大坝工作性态的主要性能参数之一。为了有效监控大坝运行状态,有必要对坝体变形拟定监测控制值。为突破传统单一测点指标拟定的局限性,针对碾压混凝土坝变形空间结构关联分布特性,构建了多测点融合的坝体变形场模型,利用投影寻踪方法(PPA)确定各测点权重,在此基础上,利用POT模型进行监测控制值的拟定。工程应用结果表明了本文方法的可行性与适用性。     

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。     

基于PPA-极值理论的大坝变形预警指标拟定

大坝变形预警指标估计对实现大坝安全监控具有重要意义。基于极值理论,提出了POT变形预警模型,利用广义帕累托分布对大坝变形监测数据分布的尾部特征进行拟合分析,基于PPA和信息熵理论构建多测点变形熵,结合大坝失事概率,完成对其预警指标的估计。以某混凝土大坝为例建模验证,结果表明:POT模型可以更好地刻画变形监测数据分布的尾部特征,对预警指标的估计偏于安全。     

基于聚类分区和MO-LSSVR的高拱坝变形预测模型

为解决传统单测点监控模型未考虑多测点间的内在关联,难以反映高拱坝变形区域分布特征的问题,提出了基于聚类分区和多输出最小二乘支持向量回归机(MO-LSSVR)的高拱坝变形预测模型。模型基于测点之间的复合相似性指标,借助层次凝聚聚类(HAC)算法实现空间测点的聚类分区,再利用融合测点关联特性的MO-LSSVR对分区内多测点进行建模。工程实例验证表明,模型聚类分区结果与坝体变形空间分布特征较吻合,具有较高的准确性和稳健性,为从多测点关联维度预测坝体变形和监控大坝整体安全性态提供了一种新方法。     

基于分数阶模式的高拱坝变形安全监控研究构想

为科学监控服役过程中高拱坝的变形安全,基于高拱坝结构特性和服役特点,在分析分数阶元件模型、混凝土坝物理力学参数反演、混凝土坝变形安全监控发展动态的基础上,依据分数阶建模理论,提出了一种高拱坝变形安全监控研究思路与构想:围绕高拱坝变形性态分数阶数值模拟以及基于分数阶模式的单测点和测点群变形安全监控这两个互相关联的科学问题,沿着“分数阶元件模型→物理力学参数反演→单测点变形安全监控→测点群变形安全监控”的研究主线,遵循“基础到深入、简单到复杂、现象到本质、理论到应用、局部到整体、一维到多维” 的原则开展研究。为实现研究构想,重点需攻克三维高应力状态下高拱坝加速流变效应分数阶元件模型、分数阶元件模型弹性和黏弹性物理力学参数反演,以及高拱坝时效变形分数阶分析模型这3个关键的科学技术问题。     

一种空间误差模型在混凝土拱坝变形预测中的应用

混凝土拱坝作为一种高次超静定结构,具有较强的自适应性和整体性,但传统混凝土拱坝变形统计模型主要考察单个测点的变形序列,不能体现不同测点之间的相互作用。基于传统混凝土拱坝变形统计模型,用空间计量方法挖掘了拱坝不同测点同一时刻误差项空间面板数据的空间关联特性;进一步采用空间面板自回归模型拟合变形序列误差项面板数据,建立了混凝土拱坝变形预测空间误差模型。小湾拱坝坝体34个监测点水平向变形监测序列分析结果表明:误差面板数据之间存在很强的正空间关联性质,空间误差模型的预测效果优于传统统计模型,具有一定应用前景。     

基于空间面板数据模型的拱坝变形缺失数据处理

变形监测信息缺失会对拱坝安全性态的分析造成困难甚至引起误判,需要采用科学合理的方法对缺失数据进行处理,从而获取完整可靠的监测数据。传统的缺失值处理方法仅考虑了拱坝测点的局部空间关联性,而拱坝变形整体性较强,在进行缺失值插补时有必要考虑拱坝所有测点间的时空关联性。鉴于此,从拱坝的整体性和测点的空间相关性出发,首先引入空间权重矩阵,证明拱坝变形具有显著的空间正自相关性;在此基础上,基于空间面板数据模型提出一种考虑拱坝整体时空关联性的变形缺失数据处理方法;最后结合某拱坝工程实例,验证了所构建模型的有效性。工程实例表明：该方法插补残差值低于SL 601—2013《混凝土坝安全监测技术规范》所规定的误差限值,具有较高的插补精度,可对变形监测缺失数据进行有效处理。     

混凝土拱坝多测点确定性位移监控模型研究

在建立混凝土拱坝位移监控模型时,温度位移分量的确定一直是建模的重点和难点。本文提出以气温和水温确定大坝温度边界采用有限元数值分析方法分别确定混凝土拱坝位移的水压分量和温度分量,并在此基础上建立了混凝土拱坝位移的一维多测点确定性模型,所建立起来的位移确定性模型有较好的精度和外延性,可以实现对水压、温度及时效等位移分量的分离。最后,以清江隔河岩重力拱坝为例,建立了一维多测点确定性位移监控模型,并与实际观测数据进行了对比,结果表明效果较好。     

考虑多重共线性影响的特高拱坝时空监控模型

为了解决特高拱坝时空监控模型中因子数目众多、因子之间存在多重共线性以及各测点之间存在空间关联性的问题,基于大坝变形原型监测资料,采用核独立分量分析(KICA)方法提取独立分量,将多个测点信息转化为少数几个综合指标;将提取的独立分量代入利用灰狼优化(GWO)算法优化的支持向量机(SVM)模型,对特高拱坝空间测点进行回归预测,构建了KICA-GWO-SVM特高拱坝时空监控模型。工程实例分析结果表明,KICA-GWO-SVM特高拱坝时空监控模型与多元回归模型、BP模型及SVM模型相比,其非线性表达能力强且性能良好,能够降低多重共线性对大坝变形监测的影响,对特高拱坝变形序列的拟合与预测精度高,可以更加准确全面地表征大坝整体的时空变形性态。