基于ABC-SVM的土石坝变形监测模型

针对土石坝变形具有较强的非线性特征,传统统计模型预测精度不高,误差较大的问题。引入支持向量机模型(SVM),并采用人工蜂群算法(ABC)对支持向量机的关键参数惩罚因子C和核函数参数σ进行寻优,提高模型的拟合和预测精度,建立ABC-SVM模型应用于土石坝变形监测。实例验证分析表明:与传统多元回归模型和SVM模型相比,ABC-SVM模型预测精度高、泛化能力强。利用ABC-SVM模型对土石坝变形进行预测效果良好,可在大坝安全监测领域推广应用。     

大坝安全监测的兽棒最小二乘 支持向量机模型

针对目前在大坝监测模型中应用较多的支持向量机模型,以土坝沉降监测实例比较分析了监 测数据中是否含有异常值的两种情况的最小二乘支持向量机监测模型的拟合精度与预测精度,发现异 常值的影响不容忽视。通过改进支持向量机模型中的损失函数,建立了大坝安全监测的普棒最小二乘 支持向量机模型(RLS一SVM )。实例分析表明:不论监测数据是否含有异常值RLS一SVM均可达到较 好的拟合精度和预测效果,优于普通LS一SVM模型。     

基于模糊LS-SVM算法的大坝变形预测模型

在大坝工程变形分析和预测方面,研究了一种基于支持向量度的模糊最小二乘支持向量机(LS-SVM)算法,结合具体实例进行对比分析,结果表明模糊LS-SVM模型的预测精度要高于LSSVM模型,且支持向量机(SVM)的稀疏性也优于LS-SVM模型,可以很好地应用于大坝变形监测分析.     

基于克里金代理模型的富水砂砾石层深基坑地表沉降预测

针对沉降监控预测等大型深基坑施工风险控制难点,为确保工程及周边环境安全,解决基坑监测中的空白现象和揭示基坑开挖监测点后期的沉降趋势,引入克里金代理模型预测深基坑开挖的地表沉降变形规律。以长沙晚报大道地铁站深基坑为例,基于MATLAB编制的Kriging工具箱DACE,对监测到的数据进行前期处理,采用相应的非线性克里金代理模型计算分析了两个监测点的沉降变形值。通过现场实测数据对比,结果表明:预测结果能够满足工程要求,误差均在5%以内。随基坑开挖深度和监测数据样本量不断增加,相应计算结果的误差逐步降低,表明该方法是合理可行的,能够以监测点数据对基坑监测盲点进行模拟预测,相对准确地计算出沉降变形。研究成果为高地下水位区域基坑、隧洞工程安全施工提供科学依据。     

基于ABCA-SVM的大坝变形预警模型

合理分析大坝变形监测数据序列特征,精确预测大坝变形状况,是大坝安全监测的重要内容。针对常用大坝安全监测分析模型存在的不足,将人工蜂群算法与支持向量机模型结合起来,利用人工蜂群算法全局搜索能力强、收敛速度快等优点对支持向量机模型的惩罚因子C和核参数δ进行优化,建立了ABCA-SVM模型。某水电站大坝坝顶某点的112组径向位移预测实例表明,ABCA-SVM模型预测精度高于标准SVM模型的,可以在大坝安全监测领域推广应用。     

大坝沉降的灰色预测

根据灰色系统理论的相关知识,建立了小浪底大坝坝顶视准线监测点沉降变形的GM（1,1）模型,并用该模型对大坝沉降变形量进行了预测,结果表明,灰色模型可以较准确地预测大坝的沉降变形量。在实际预测过程中,应不断代入新测的沉降值,调整或更新GM（1,1）模型,以提高预测精度。     

基于AdaBoost-SVM的混凝土坝变形预测模型

针对混凝土坝变形预测模型中环境量与效应量之间复杂的非线性问题,以及单支持向量机(SVM)模型预测精度不高的问题,提出一种AdaBoost-SVM的混凝土坝变形预测模型,该模型采用结构风险最小化的原则,并借鉴提升算法强化学习的思想,从而提高模型的学习性能,达到增强模型泛化能力和预测精度的目的。结合实例,经过AdaBoost-SVM预测模型对混凝土坝位移原型监测数据进行训练及预测,并将预测结果与单支持向量机模型的预测结果进行对比,结果显示:基于AdaBoost-SVM预测模型得到的均方差为0.5565,平均误差绝对值为0.40,预测精度比单支持向量机模型高出一个数量级;而且相较于单支持向量机预测模型,强化后的模型在预测时段表现出更好的稳定性。该模型综合了提升算法与支持向量机各自的优势,可作为混凝土坝变形预测的一种有效方法。     

基于小波神经网络的基坑沉降预测方法研究

深基坑监测会对周围邻近建筑物造成影响、进而导致其沉降。而对深基坑相邻建筑物实施沉降监测有助于控制基坑开挖,能够及时发现沉降危害。为提高深基坑相邻建筑物沉降预测的精度,提出了一种小波神经网络模型并以其前4期的监测数据预测后1期的累积沉降量。通过5个沉降监测点、近2 a时间的监测数据,对比了自回归模型和小波神经网络模型的预测精度,结果表明：小波神经网络模型的短期预测精度优于自回归模型,其长期预测精度与自回归模型相当。小波神经网络模型的稳定性好,且其预测精度不会随着时间的推移而衰减。对于变形特征较复杂的监测点仍能够取得较高的精度,能够为各类复杂的基坑变形预测提供有效且可靠的指导。     

基于最小二乘支持向量机的大坝变形预测模型

变形是对大坝结构性态和安全状况最直接、可靠的反映,是大坝安全监测的重点项目之一.大坝变形具有较强的非线性特点,传统的预测方法有时精度不高.建立在统计学习理论和结构风险最小原理基础上的支持向量机算法能较好地解决小样本、非线性、高维数等问题.文章引入标准支持向量机的一种扩展——最小二乘支持向量机,参照传统逐步回归统计模型建...     

基于LMD与样本熵的多尺度大坝变形预测

针对大坝变形数据的多尺度特征,将局域均值分解、样本熵及高斯过程算法应用于大坝变形预测中,提出了多尺度大坝变形预测新模型。首先利用局域均值分解算法对变形数据进行多尺度分析,挖掘变形数据隐含的信息,随后根据各变形分量特征,构建基于高斯过程的多尺度大坝变形预测模型,并利用样本熵对模型进行简化。通过实例分析,证实该大坝变形预测新方法精度高于BP网络和最小二乘支持向量机模型。     

In the Central Committee of the Communist Party of the Soviet Union and the Council of Ministers of the USSR

Power Technology and Engineering -     

分流对弯道水流紊动强度影响的试验研究

采用先进的三维超声波多普勒流速仪（ADV）对不同分流比情况下弯道水流紊动特性进行了系统的试验研究。根据试验数据,探讨了不同分流比工况下弯道水流的紊动机理,分析了其紊动特性,同时对紊动强度分布特点进行了比较。     

前置掺气坎坡度对阶梯溢洪道掺气水流影响的数值模拟

为研究复杂边界条件下气液两相界面的流动及混掺现象对工程建设的影响,结合某大型水电站的溢洪道,利用RNG k-ε模型对其进行三维流场模拟,采用有限体积法离散控制方程,并用GMRES算法进行压力求解,对前置掺气坎式阶梯溢洪道和传统阶梯溢洪道泄流壁面上的高速掺气水流进行数值模拟。结果表明:随着掺气坎坡度的增加,其掺气空腔及掺气浓度均有所增大,随着水流下泄掺气浓度沿程降低,达到一定距离后趋于稳定,掺气浓度值达到了减免空蚀破坏的要求;与传统阶梯溢洪道的模拟结果进行对比可知,增设前置掺气坎后,既可以增加前几级阶梯的掺气浓度使水流提前达到水气平衡,也没有降低阶梯式溢洪道的消能率,为解决传统阶梯溢洪道中出现的工程难题提供了一种新思路。