基于混沌优化模糊神经网络的大坝安全监测模型

大坝监测数据分析和大坝监控预测模型的难点在于监测数据的效应量和影响量之间的高度非线性关系,传统监测模型的非线性分析能力欠缺.在充分利用模糊神经网络的模糊推理能力、处理众多影响因素能力和解决复杂非线性问题能力的基础上,结合混沌优化算法的全局搜索能力,建立了基于混沌优化的模糊神经网络模型.对某拱坝变形进行了拟合和预测,计算结果与实测值吻合良好.     

大坝位移监测中的统计模型应用

本文采用统计模型对龙羊峡水电工程的原位观测资料进行了分析文中对建模的因子选择、建模方法、大坝工作状态和安全预报等做了分析讨论,并指出了统计模型的不足之处。一、观测位移及其变化规律(一)工程概况及观测布置龙羊峡水电站是黄河上游首级开发工程,为混凝土重力拱坝,坝高178米,底宽8咪,库容     

大坝监测空间位移统计模型研究

突破大坝监测资料分析中各方向位移单独建模分析的局限,综合测点三方向位移测值信息,建立了合理的空间位移拟合模型,为正确描述、预报测点的总体变形提供了可行途径。     

基于M-ELM的大坝变形安全监控模型

针对大坝变形监测数据存在的非线性强、异常值诊断和剔除工作复杂及传统监控模型抗粗差能力差等问题,结合稳健估计理论抗粗差性强和极限学习机在处理非线性问题方面的优势,建立了基于稳健估计极限学习机的大坝变形安全监控模型。试验确定网络隐含层层数,构建4次方损失函数,采用加权最小二乘法计算输出权值,实现原始监测数据的拟合和预测。以某工程大坝变形监测数据为例进行建模分析,结果表明:以反映模型预测精度的均方误差和平均绝对百分误差及反映模型鲁棒性的中位数绝对偏差作为评价指标,基于稳健估计极限学习机的大坝变形安全监控模型的各项指标明显优于对比模型。     

三门峡大坝变形监测资料分析

介绍三门峡大坝位移监测网和垂直位移监测网的监测及成果初步分析。     

灰色模型在大坝变形监测与预报中的应用

建立有效实用的大坝变形监测模型,对于大坝运行意义重大。目前国内外常用统计模型和确定性模型来预报大坝变形,但精度普遍不高。作者提出一种基于不确定性模型的非等间隔灰色模型对大坝变形进行监测预报。预报过程建立在数学基础上,而且预报结果的精度能够满足工程需要。     

基于稳健估计的大坝变形监测统计模型分析

回归分析是大坝安全监测统计模型的核心,测值粗差的存在使回归参数变异,造成统计模型一定程度上失真,所以在回归分析中必须对其进行处理。本文采用稳健估计的思想,根据残差大小对监测值进行赋权迭代计算,使常规统计模型具有抗差性。将稳健估计的思想应用于某工程实例分析,发现与常规统计模型相比,稳健统计模型能够有效抵抗粗差对模型参数求解结果的影响,并能较好反映水压、温度和时效等效应量的影响。     

大坝外部变形自动化监测系统的应用试验

在论述TPS全自动化变形监测系统测量方法的基础上，介绍了测量机器人在小浪底大坝外部变形监测中的应用试验情况，并对TCA＋APSWin系统的精度、可靠性和工作效益作了分析。实践已初步表明，测量机器人用于大坝外部变形监测可以实现全自动化，有广泛的应用前景。     

大坝垂线位移监测资料分析的4种统计模型

 位移监测及分析是大坝安全监测的重点内容,垂线是使用最普遍的位移监测手段之一,它具有 测点多、深入坝体等特点,获得的监测数据包含了反映坝体安全状态的信息。为更好地分析 这些信息,在已有的监测分析方法基础上,结合近期研究成果,阐述了目前位移监测模型的进 展,归纳提出了可用于垂线位移分析的4种统计模型,并结合实例给予说明。这些模型为全面 分析垂线位移提供了可能,可在不同情况下选择使用。     

大坝垂线位移监测资料分析的4种统计模型

位移监测及分析是大坝安全监测的重点内容 ,垂线是使用最普遍的位移监测手段之一 ,它具有测点多、深入坝体等特点 ,获得的监测数据包含了反映坝体安全状态的信息。为更好地分析这些信息 ,在已有的监测分析方法基础上 ,结合近期研究成果 ,阐述了目前位移监测模型的进展 ,归纳提出了可用于垂线位移分析的 4种统计模型 ,并结合实例给予说明。这些模型为全面分析垂线位移提供了可能 ,可在不同情况下选择使用。     

灰色模型改进的大坝变形分形几何监控模型

为了对大坝安全进行准确监控,利用分形几何理论预测大坝变形。针对一般常维分形分布不能很好分析大坝变形数据的问题,对监测数据进行N阶累计和变换,对变换后的数据利用分段变维分形模型计算各阶变形维数序列,再选择效果较好分形维数已知序列预测未知分形维数,最后反推大坝变形预测数据。针对传统变维分形预测模型分形维数预测方法的不确定性和所需监测数据量大的缺点,利用灰色模型预测分形维数,建立改进的大坝分形几何监控模型。结合工程实例,对比插值法预测分形参数的传统分形几何预测模型和灰色模型改进后的预测模型之间的预测精度,结果表明,改进分形模型不仅在预测精度上有所提高,而且更具稳定性和抗波动性。     

混凝土重力坝变形博弈监控模型研究

传统的重力坝安全监控模型考虑了水压、温度及时效等外荷载的作用,尚不能反映出大坝材料与结构特性的影响。基于博弈思想,提出大坝变形的博弈参与者,研究分析了大坝变形与大坝材料、大坝结构特性等抗因素的关系,构建了大坝安全监控博弈模型的具体表达式。工程实例分析表明,本文所提出的博弈模型能够更好地模拟大坝的变形过程。     

基于NMEA-BP大坝变形监测模型研究

在对思维进化算法(MEA)改进的基础上,开展了基于思维进化算法与BP神经网络的大坝变形监测模型的研究。通过引入小生境技术和思维进化算法,克服了BP神经网络易陷入局部最优值、训练时间长和收敛速度慢等缺点,极大地提高了其搜索效率和全局搜索能力。通过进一步利用改进的思维进化算法优化BP神经网络的权值和阈值,建立了NMEA-BP大坝变形监测模型,并用该模型对工程实例进行了拟合预测。结果表明,NMEA-BP模型有效提高了大坝变形预测的精度,能更高效准确的进行大坝变形监测。研究成果为大坝变形监测的理论和实践研究提供参考。     

基于改进ABC-BP的大坝变形监控模型研究

针对传统大坝变形监控模型的不足,在对人工蜂群(ABC)算法给予改进的基础上,开展了基于人工蜂群(ABC)与BP神经网络的大坝变形监控模型建模原理、实现方法以及工程算例分析研究。通过引进自适应比例和平均欧式距离,克服了标准人工蜂群算法易陷入局部最优的缺点;进而利用改进后的人工蜂群算法,对BP神经网络的初始权值与阈值进行寻优。算例分析表明,将改进后的人工蜂群算法与BP神经网络技术相结合,并用于大坝变形监控模型的构建,有效提升了模型的拟合和预报能力。     

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。     

混凝土大坝变形监控指标拟定的混合法

针对混凝土坝变形监控指标拟定涉及的材料参数众多且不容易准确获取的问题,考虑到水压分量数值计算涉及的参数相对较少且计算结果相对可靠,采用数值计算-变形统计模型的混合法拟定混凝土坝变形监控指标,即水压分量采用不利水位工况下数值计算值,其它分量则采用不利工况下变形统计模型的分离值或反映非线性效应的分量值,结合某常态混凝土高拱坝,提出了基于混合法拟定混凝土坝变形一级、二级监控指标。分析表明,基于混合法拟定的变形一级监控指标与典型小概率法拟定的监控指标接近但略大,这表明该拱坝目前处于黏弹性工作性态,但混合法拟定的变形一级监控指标考虑的因素更全面,而且材料性能分项系数的引入明确了强度参数的合理取值。     

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。     

考虑区间影响因素的混凝土坝变形 监控指标研究

区间不确定性因素可能对监控模型和监控指标产生一定的影响。本文将传统的大坝安全监控 模型与区间分析方法相结合,建立了可适用于区间分析的大坝监控模型,运用该模型计算了大坝区间 变形监控指标,并讨论了考虑区间因素条件下大坝变形监控指标的最终确定方法。实例分析表明,该 监控模型客观上更能反映大坝的实际运行性态,计算得到的监控指标更符合实际情况。