约束型ME-PP模型在大坝安全评价中的应用

鉴于大坝安全综合评价中的权重选取关系到评价结果的可靠性、合理性,为充分挖掘大坝监测数据所携带的信息,并考虑影响大坝基岩安全的因素特征,从投影寻踪方法的优化函数和约束条件两个方面改进传统算法,即采用最大熵原理与投影寻踪耦合模型改进投影寻踪方法的优化函数,结合实测指标的特征改进投影寻踪法的约束条件,从而得到约束型最大熵投影寻踪耦合模型。将该模型计算得到的各实测指标权重运用于灰色聚类综合评价,并利用聚类系数向量的灰度进行方法优劣的判别。实例应用结果表明,将本文方法求得的权重用于综合评价是合理可行的,相比于熵权法、传统投影寻踪法,更符合大坝基岩实测数据的特征,且得到的评价结果灰度更小,更易区分所属灰类。     

基于熵权—理想点法的大坝安全评价模型及应用

针对目前的大坝安全评价方法在解决实际工程问题时存在的不足,引入了理想点法基本原理,提出基于熵权—理想点法的大坝安全评价模型,综合考虑大坝的变形、渗流及环境等三方面因素,选取了9个评价指标作为大坝安全评价指标体系,根据选取的大坝安全评价体系确定了相应的评价标准及安全等级,采用信息熵理论确定评价指标权重,根据理想点法原理计算理想点贴近度,从而给出大坝安全评价结果,并将该模型应用于某已建大坝工程。结果表明,基于熵权—理想点法的大坝安全评价模型的评价结果与大坝实际情况相符,可见该模型可行、有效。     

基于博弈论的大坝安全评价云模型及其应用

针对大坝安全评价问题,提出了一种基于博弈论和云模型耦合的安全评价模型。选取变形、渗流、环境因素为大坝安全评价指标体系,根据既定体系确定大坝安全评价指标标准,并在此基础上确定云模型的特征参数和各评价指标的综合权重,由云模型正向发生器给出评价指标的在各评价等级下的隶属度,最后由各评价指标的综合权重矩阵和对应评价等级下的隶属度矩阵计算出大坝安全评价结果。最终通过某心墙堆石坝工程实例验证了该评价模型的可行性,为类似工程的安全评价提供了借鉴。     

基于熵权法与正态云模型的大坝安全综合评价

针对目前大坝安全评价方法中均未考虑评价指标的模糊性和随机性问题,引入正态云模型理论,将其与熵权法相结合,建立了基于熵权法与正态云模型的大坝安全综合评价模型,综合考虑大坝变形、渗流及环境三方面因素构建了大坝风险安全评价体系,根据既定体系,确定大坝风险安全评价等级及云模型参数,代入大坝实测资料由正向云发生器建立评价指标的隶属度矩阵,采用熵权法确定各评价指标权重,并由评价指标的权重矩阵和评价指标的隶属度矩阵给出大坝在各安全评价等级下的隶属度。实例应用结果表明,大坝安全评价等级为低风险,与实际状况一致,可见所建模型可行、有效。     

改进的理想区间法在多级大坝变形评价中的应用

大坝变形是影响大坝安全的重要因素,变形评价是大坝安全综合评价的基础工作。鉴于传统的理想区间法多用于多指标单层次的环境质量评价中,对理想区间法进行了改进,即将理想区间法结合熵权法计算各层次各指标的权重,克服了理想区间法只能适用于单层次评价指标结构体系的缺陷,进而将其应用于多级大坝变形评价中。结果表明,改进的理想区间法能够较好地反映各坝段变形情况,与大坝实际变形情况相符,说明该方法可用于多级大坝变形评价。     

大坝安全综合评价多指标权重确定方法研究

针对大坝安全综合评价中多指标权重的确定问题,将熵理论引入大坝安全综合评价中,应用广义最大熵原理,将不同赋权方法有机集成在一起确定大坝安全评价中多指标权重.该方法同时最大化体系内所有随机变量的香农熵,得到较稳健的估计结果.通过工程实例验证了此方法有效可行,为相似工程问题的多指标权重确定提供新的思路.     

基于改进的AHP-PP模型的重力坝安全综合评价方法

为解决大坝安全综合评价中指标权重完全主观或完全客观的问题,结合层次分析法和投影寻踪法在综合评价中的应用建立了改进的AHP-PP模型,综合评价了济南市卧虎山大坝的安全等级。结果表明,基于层次分析法的主观权重参考了决策者的知识经验,基于投影寻踪的客观权重体现了指标间的内在联系,两者优势互补,加权权重对评价结果更具说服力。综合评价发现该坝处于轻度异常等级,与实际情况相吻合,说明该方法稳定有效。     

基于状态评估的智能配电网态势感知方法研究

针对传统智能配电网态势感知方法缺少对特征向量的一致性检测,导致评估结果不准确的问题,提出基于状态评估的智能配电网态势感知方法。构建智能配电网模型,利用最小二乘拟合法剔除智能配电网计量异常数据,建立评价指标体系,引入层次分析法计算权重。利用所得权重两两比较建立矩阵,确定特征向量,基于状态评估检测矩阵的一致性,提取特征向量矩阵最大值,实现智能配电网的态势感知。实验结果表明,基于状态评估的智能配电网态势感知方法的评估结果与实际结果吻合度极高,能够真实还原智能配电网态势。     

基于投影寻踪—正态云模型的某土石坝安全评价

针对目前大坝安全评价方法中均未考虑评价指标的模糊性和随机性问题,综合考虑土石坝变形、渗流及环境三方面因素构建了土石坝安全评价指标体系,将正态云模型引入到土石坝安全评价中,利用投影寻踪法确定各评价指标权重,提出一种基于投影寻踪—正态云模型的土石坝安全综合评价模型。实例应用结果表明,土石坝安全评价结果为低风险,与实际情况相符。可见所建模型可行、有效。     

PPA CM模型在双曲混凝土拱坝变形监控指标拟定中的应用

针对大坝观测数据的模糊性和随机性问题,引入投影寻踪法(PPA)及云模型(CM)理论,提出了基于PPA-CM模型的大坝变形监控指标拟定方法。模型采用投影寻踪法确定大坝各变形测点权重,运用信息熵理论构建多测点变形熵,基于云模型理论计算多测点变形熵的数字特征值,并依据云模型的3En规则,拟定了大坝变形测点的监控指标。结合实例,通过与小概率法结果对比分析,表明该方法合理、可行,具有重要工程应用价值。     

基于改进鱼群优化支持向量机的变压器绕组热点温度预测

为了克服传统人工鱼群算法存在的速度慢、易陷入局部最优等缺点,引入了可变视野、变化步长、禁忌表及清除机制改进人工鱼群算法,通过改进人工鱼群算法对支持向量机模型中的惩罚变量C和RBF核参数G进行了优化。根据某市110kV变压器绕组热点温度实际运行数据,选取关联变量,确定训练集和测试集,建立了基于改进人工鱼群优化SVM的变压器绕组热点温度预测模型,通过与其他方法进行对比,验证了该预测模型具有更优的预测能力,预测效果较理想。     

基于典型相关和人工粒子群的大坝监测分析模型

针对大坝安全监测多效应量统计分析模型存在相关性而影响模型精度问题,提出了优化方案,预先对效应量和影响因子进行典型相关性分析,实现变量降维并提取与效应量相关性大的自变量作为模型输入因子构建多元线性回归模型,并基于人工粒子群算法求解最优偏回归系数。经与全回归、逐步回归、偏最小二乘回归模型比较验证,实例表明所建模型有较优的拟合效果和预测精度、鲁棒性强。     

基于混合核RVM理论的大坝变形监控优化模型

鉴于大坝安全监测评价中相关向量机(RVM)模型性能的优劣取决于核函数选择的问题,采用混合核函数(即结合局部核函数和全局核函数)进一步提升RVM模型在大坝安全建模过程中的拟合预报精度,并采用改进粒子群算法对其寻优。经实际工程验证,基于混合核RVM理论的优化模型可在一定程度上提升模型的性能。     

云模型在大坝安全监控指标拟定中的应用

针对传统大坝安全监控指标的拟定方法具有一定局限性的问题,在分析原始监测数据的基础上,通过正、逆向云发生器产生监测数据的期望、熵、超熵等数字特征,利用这些数字特征计算定量的转换值,从而实现定量—定性—定量的转换,进而确定安全监控指标,以某混凝土重力坝为例,运用云模型拟定了该坝#9坝段坝顶水平位移安全监控指标,并与典型小概率法的拟定结果进行了对比分析,验证了云模型的优越性。     

大坝渗流统计模型在棉花滩水电站右岸绕坝渗流分析中的应用

基于库水位和降雨对大坝渗流的影响存在滞后效应的特点,将粒子群算法引入库水位和降雨服从正态分布的大坝渗流统计模型中,优化查找库水位和降雨对渗流影响的滞后天数和影响天数。与传统大坝渗流统计模型的比较结果表明,所建模型精度更高。     

基于FBWM-灰色聚类的土石坝安全评价模型

为科学处理土石坝安全评价过程中的模糊性和灰色性问题,基于模糊最优最劣法(FBWM)及灰色聚类法,构建土石坝安全评价模型。通过查阅资料及咨询相关专家,确定评价指标中的最优指标及最劣指标,引入FBWM法计算各评价指标的权重;分析相关安全监控仪器实测资料,进而构建灰色聚类权重矩阵;将评价指标权重矩阵与灰色聚类权重矩阵相结合,得到土石坝的安全评价结果。将该模型应用于某土石坝的安全评价,结果表明该土石坝处于"基本正常"运行状态,与实际情况相符。可见该方法结论可靠,可以为土石坝的状态诊断提供决策支持。     

瀑布沟水电站坝体渗流监控优化数学模型精度分析

鉴于构建合理的瀑布沟坝体渗流监控数学模型对其坝体渗流安全评价至关重要,利用水位动态效应影响权重概念构建水位因子,并在引入主成分分析理论深入分析库水位滞后影响特性的基础上,提出了瀑布沟坝体渗流监控优化数学模型。结合瀑布沟大坝坝体渗流原观监测资料分析的结果表明,该优化模型较传统模型形式更加简洁,提高了分析精度及合理性,可合理评价瀑布沟大坝坝体的渗流状态,对相似工程的坝体渗流分析具有一定的参考与应用价值。     

基于粒子群—高斯过程回归的高拱坝变形预测模型及其应用

针对高拱坝变形问题,提出应用粒子群算法优化高斯过程回归参数的高拱坝变形预测模型,基于高斯过程回归可将低维非线性关系通过核函数投射到高维线性空间的特点,利用高斯过程回归模型来表征水压、温度、时效等因素与坝体变形之间的非线性关系;同时针对迭代求解高斯过程回归模型的超参数效率低的问题,采用粒子群优化算法全局搜索模型超参数,提高了求解效率。对某高拱坝径向位移的拟合预测结果表明,粒子群优化高斯过程回归模型能较好地表征输入因子与变形之间的关系,预测坝体变形,误差在工程允许范围内,可应用于坝体变形预测分析中。     

PSO及SM-PSO算法在Jensen模型参数求解中的应用

针对传统的求解Jensen 模型敏感指数的回归分析法（LR）存在的有偏估计和拟合精度不高等问题,利用粒子群算法（PSO）和单纯形法—粒子群算法（SM-PSO）分别对模型的敏感指数进行求解并与传统方法进行对比。结果表明,回归分析法、PSO算法和SM-PSO算法所得模型计算的相对产量与实际相对产量的平均相对误差分别为3.1%、1.8%和1.4%,说明PSO算法和SM-PSO算法均优于传统算法,尤其是SM-PSO算法收敛速度更快、拟合精度更高,是一种有效的求解Jensen 模型敏感指数的方法。