基于CNN-LSTM的混凝土坝渗流预测

建立高性能的混凝土坝渗流预测模型是渗流安全监控的重要手段,也是渗流安全性态评价的基础,结合卷积神经网络(CNN)和长短期记忆神经网络(LSTM)两种深度学习算法,构建混凝土坝渗流预测模型(CNN-LSTM),该模型先利用CNN提取渗流监测时间序列的特征,然后利用LSTM生成特征描述,建立输入与输出间的映射关系,实现对混凝土坝的渗流预测。工程实例应用表明,CNN-LSTM模型在混凝土坝渗流预测应用中的数据拟合能力和预测精度较好,且不易陷入局部最优解,可为混凝土坝的渗流预测和安全监控提供科学依据。     

基于优化果蝇算法和统计模型的混凝土坝变形预测模型及应用

鉴于构建大坝安全监测模型时传统统计模型拟合精度受样本系列长度、资料可靠性、拟合方法等多种因素影响,提出一种基于优化果蝇算法和统计模型的混凝土坝变形预测模型,利用优化果蝇算法对统计模型各项系数进行优化,以提高统计模型的预测精度。对某混凝土拱坝变形的拟合和预测结果表明,相比于统计模型,基于优化果蝇算法和统计模型的变形预测模型预测精度更高,拟合效果更好。     

基于熵—云耦合的混凝土坝预警模型及其应用

针对现有大坝预警指标拟定方法的局限,提出了一种基于熵—云耦合的混凝土坝变形预警模型。基于信息熵理论,运用熵权法给出了混凝土坝各测点变形权重,定义了单测点有序度并构建了多测点变形熵;考虑到云模型理论可反映概念的模糊性和随机性,计算了多测点变形熵的数字特征值,绘制了混凝土坝变形熵的云图,并拟定了混凝土坝变形测点的预警指标。实例计算表明,基于熵—云耦合的混凝土坝预警模型高效可行,具有重要的工程应用价值。     

动态组合深度学习模型在短期负荷及光伏功率预测中的应用

人工智能的快速发展为预测问题提出了崭新的解决途径。文章在深入分析深度学习算法发展的基础上,建立了基于深度学习模型动态组合的短期负荷及光伏功率预测模型,在该模型中使用两种深度学习算法(长短记忆网络和深度置信网络)分别对输入数据进行训练,并使用线性模型对各个深度学习的训练结果进行动态结合,而后输出最终的预测结果。此外,文章使用广州的光伏功率数据与短期负荷数据对模拟结果的准确性进行验证。分析结果表明,文章所建立的预测模型具有良好的预测精度。     

基于NRS-MSVR模型的混凝土坝变形多维精准预测

以强化多输出支持向量机(MSVR)模型在混凝土坝变形多维预测中的鲁棒性和泛化能力为目标,围绕变形多维联合精准预测展开研究。在邻域粗糙集(NRS)理论的框架内发展了一种变形影响因子贡献度度量方法,实现了多影响因子约简和关键因子的提取。视关键因子为MSVR模型的输入变量,编制迭代加权最小二乘算法进行模型求解,进而建立混凝土坝变形多维预测的NRS-MSVR模型。通过工程实例,对NSR-MSVR和MSVR模型预测效果进行对比分析。结果表明,在两模型拥有高拟合精度的前提下,NRS-MSVR模型的预测精度更高,具备更强的鲁棒性和泛化能力,是混凝土坝变形多维联合精准预测的一种新方法。     

碾压混凝土坝变形监测熵权模糊物元模型研究

基于碾压混凝土坝变形监测的模糊性和单项指标评价结果的不确定性,在运用模糊物元的基础上结合欧氏贴近度概念建立了碾压混凝土坝变形监测的模糊物元模型,并应用信息熵反映数据本身的效用值计算指标的权重系数,避免了权重分配困难和主观判断碾压混凝土坝变形监测的不确定性.实例表明,运用熵权模糊物元模型分析碾压混凝土坝变形状况所得结果与实际情况相符,验证了该方法的有效性.     

基于多层次滤波降噪的IGA-NARX混凝土坝变形预测模型

针对混凝土坝变形数据中存在非高斯分布噪声污染,难以描述混凝土坝变形数据自身的趋势性、季节性的问题,采用CEEMD与粒子滤波法相结合的方法对锦屏一级大坝径向位移进行分析。先将CEEMD分解后的高频和低频分量进行区分,仅对高频分量进行粒子滤波降噪,再进行分量重构;通过多层次滤波降噪处理的位移数据驱动IGA-NARX神经网络构建预测模型,并使用R_RMSE、M_MSE等指标进行评价。工程实例验证表明,所提模型相较于对比模型在评价指标上均有一定提升,具有较好的实用价值。     

基于随机森林的支持向量机混凝土抗渗性预测模型研究

为了快速有效预测混凝土的耐久性,引入随机森林并结合支持向量机(RF-SVM)算法,从混凝土材料配比层面选择了影响混凝土抗渗性的16种因素,以抗氯离子扩散系数作为混凝土抗渗性评价指标,构建了基于RF-SVM的混凝土抗渗性预测模型,预测了松通桥梁项目工程混凝土抗渗性,同时与其他预测模型进行对比,分别得出均方根误差和拟合优度。结果表明,该模型回归拟合效果更佳,预测结果精度更高。     

基于改进PSO-ELM算法的混凝土坝变形非线性监控模型

针对混凝土坝变形模型高度非线性问题,将极限学习机(ELM)用于混凝土坝变形监控模型的构建中,由于极限学习机的精度受输入权值和隐含层阈值的影响,引入改进的粒子群算法(PSO)进行最优求解,从而建立基于改进PSO-ELM算法的混凝土坝变形非线性监控模型。实例应用结果表明,该模型不仅可行、有效,且具有较强的学习能力和泛化能力。     

RBFNN在大坝变形长期预测中的应用

针对大坝变形预测模型长期预测精度较低的问题.提出了一种基于中心等分布的RBFNN长期预测模型,以东江流域某混凝土双曲拱坝为例进行了长期预测,并在同等条件下与BP神经网络和多元回归预测模型进行了比较.结果表明,该模型预测精度较高,具有良好的适用性.     

基于VMD的多尺度变量提取法在混凝土坝变形预测中的应用

大坝变形通常呈非线性、非稳定特征,利用可靠的数据驱动模型分析大坝变形变化趋势具有重要意义.为此,提出了一种基于变分模态分解(VMD)的多尺度变量提取大坝变形预测模型,首先利用VMD将变形原始序列分解为若干具有不同频率的子序列,以降低原始序列的非平稳性;然后引入初始变量集,并通过平均影响值—极限学习机模型(MIV-ELM...     

基于极限学习机的面板堆石坝施工期沉降预测模型及应用

针对大坝安全监控预测中存在的不确定性与非线性问题,提出了基于极限学习机算法的面板堆石坝施工期沉降预测方法,并将其应用于柬埔寨某面板堆石坝沉降预测中。与传统的统计回归分析模型计算的沉降量相比,基于极限学习机算法的预测模型拟合学习速度快,精度高,适用性强,预测值与实测结果吻合较好。     

公伯峡面板堆石坝三维应力变形有限元分析

基于邓肯-张E-B模型,对公伯峡面板堆石坝进行了应力变形三维有限元仿真计算,获得了其竣工期及运行期的应力变形分布规律,并将运行期的计算结果与实测成果进行了对比分析,进一步探讨了公伯峡面板堆石坝运行期面板的应力变形特性,所得成果具有实际应用价值。     

深覆盖层土石坝三维有限元应力应变分析

采用邓肯张E-B非线性模型对某深覆盖层坝基上沥青混凝土心墙土石坝进行了三维有限元应力应变分析,采用无质量地基模拟坝基和山体对坝体沉降变形和应力的影响,给出了深覆盖层上坝体的应力和变形特点,特别是沥青混凝土心墙上的应力、位移分布特点,为大坝的安全设计提供理论依据。     

基于RVM的大坝变形监测时间序列非线性预警模型

建立合理的大坝变形预警模型对于大坝安全稳定运行意义重大。为提高预测精度,建立以相关向量机(RVM)为理论基础的时间序列非线性预警模型,采用一种精度较高的时间序列短期预测(自回归移动平均ARMA)模型修正RVM预测模型的误差序列,同时采用一种改进的粒子群算法(PSO)寻优核函数。实例验证结果表明,修正后的模型预测结果精度明显提高,可为类似工程提供参考。     

基于动力子模型法的混凝土重力坝动力损伤分析

针对混凝土重力坝抗震分析中因工程结构、荷载复杂性所造成的建模、计算及后处理难的问题,将常规子模型法拓展应用于重力坝动力分析中,并结合混凝土塑性损伤模型进行多级子模型计算。应用算例验证了该方法的可靠性和精确性,以观音岩水电站工程为例,采用人工边界的初始全局模型后,将其坝基结果施加于坝体子模型上,根据坝体的损伤区域对顶部廊道部分进行二级子模型计算,得到了满足工程应用的分析结果。