基于混合蛙跳算法的混凝土坝加权变形预报模型

利用混合蛙跳算法的优化特点,将大坝安全监控统计模型的求解转换为多目标函数的优化问题;引入调整系数修正回归因子,考虑调整系数与回归因子之间的协调关系,利用混合蛙跳算法同步确定调整系数和回归系数,建立基于混合蛙跳算法的混凝土坝加权变形预报模型。工程算例应用结果表明,该模型具有较优的中长期预报能力,可提高大坝安全监控统计模型的预报精度,在大坝安全监控领域具有一定的工程应用意义。     

基于改进粒子群算法的坝体位移监控模型

在基本粒子群算法的基础上,提出了一种基于以e为底的指数函数的惯性权重策略的改进粒子群算法。将粒子群算法引入大坝安全监控领域,并结合坝体位移的多元回归统计模型,建立基于改进粒子群算法的大坝安全监控模型,并应用于新安江大坝的安全监测。实际应用表明,改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快。     

基于鸡群算法优化相关向量机的混凝土坝变形预报模型

针对混凝土坝变形监控模型中大坝变形与环境影响因素之间的复杂非线性问题,为提升大坝变形监控模型的预报能力,提出了一种基于鸡群算法(CSO)优化相关向量机(RVM)的混凝土坝变形预报模型。考虑到相关向量机核函数参数的选取直接影响其回归分析性能,采用鸡群算法对其核函数参数进行寻优处理。据此,构造了基于鸡群算法优化的相关向量机模型,进而提升相关向量机的预报精度和泛化能力。以某混凝土坝长期变形监测资料分析表明,基于鸡群算法优化的相关向量机模型预报可有效挖掘大坝变形与环境因素间复杂的非线性函数关系,相比传统的相关向量机模型,该模型的拟合与预报精度更优,有效验证了所提方法的合理性与有效性,为大坝变形分析与预测提供新的模型方法。     

混凝土坝变形组合预报模型的蛙跳建模方法

混凝土坝变形的影响因素多而复杂,监测数据包含大量的不确定性信息,因此依据多种建模方法建立的各单一模型的预报效果各不相同.组合模型能够弥补单一模型的局限性,如何在建模过程中使权重系数实时反映单一模型对监测信息的变化,是组合模型建模的关键.从优化极值角度考虑各单一模型中未知量与权重系数之间的相互性,利用蛙跳算法(SFLA)的分布式全局优化性能同步确定其值,提出相应的蛙跳优化建模方法.混凝土坝变形长期监测资料的应用表明,该方法具有良好的预报效果,简化了组合模型的确定过程,提高了模型的预报能力,为混凝土坝变形预报分析提供了新的计算方法.     

基于改进粒子群算法的坝基扬压力预报方法

根据新安江大坝多年扬压力监测资料,建立基于改进粒子群算法的混凝土坝扬压力预报方法,对基本粒子群算法进行改进,提出了激励因子和惩罚因子,从而动态地调整粒子在计算过程中局部和全局搜索能力的权重,充分利用正反馈信息确定各回归系数.通过实例应用表明,基于改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快.     

基于PSO-SVM的碾压混凝土坝变形预测模型

为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型.通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度.以新疆北疆某碾压混凝土坝2014年～ 2019年变形监测数据为例,建立了逐步回归、SVM、P...     

基于奇异谱分析与PSO优化SVM的混凝土坝变形监控模型

针对混凝土坝自动化变形监测数据存在噪声成分,且变形与环境影响因素间呈现出复杂的非线性关系等问题,提出了基于奇异谱分析(SSA)与粒子群算法(PSO)优化支持向量机(SVM)的混凝土坝变形监控模型。模型利用SSA对实测变形进行分解,提取其蕴含的趋势与周期性成分并对变形加以重构;在此基础上,采用基于PSO优化的SVM对重构变形与环境影响因素间复杂的非线性函数关系进行挖掘。实例验证结果表明,该模型具有较好的拟合与预测精度,可以有效地挖掘实测变形蕴含的数据特征,减小噪声成分对建模精度的影响,具有一定的工程应用价值。     

基于改进粒子群算法的大坝监控加权统计模型

用于大坝安全监控的加权统计模型主要依据工程经验确定各因子的权重,这种求解方式易导致部分因子信息的缺失。根据大坝安全监测数据,应用粒子群算法可优化确定加权统计模型中各参数的最优解,但对于高维度优化问题,该算法存在收敛速度慢、易陷入局部最小等不足。针对这些不足,考虑粒子种群平均位置信息的影响,提出一种新的改进粒子群算法,利用单体与种群平均位置的距离信息确定两者之间的学习因子。土石坝工程实例分析结果表明:改进粒子群算法加强了种群跳出局部最小的能力,所得加权统计模型的权重符合工程实际情况。尤其在大坝运行初期,监测资料较少的情况下,基于改进粒子群算法的大坝监控模型具有较高的预测精度和预报能力,可为大坝监控领域提供一种新的数据分析方法。     

基于粒子群优化的BP网络算法在渭河下游洪水预报中的应用

介绍了BP、粒子群、基于粒子群的BP三种人工神经网络模型,利用基本粒子群优化的BP算法,建立了渭河下游临潼至华县段人工神经网络模型。通过对1980～2005年洪水的率定和检验及对2006～2009年洪水的应用模拟,结果较好。本模型是对该河段洪水预报手段和方法的有益尝试和补充。     

改进粒子群算法在新安江模型参数优选中的应用

粒子群优化算法的原理较易理解，所需参数较少而易于实现，但在具体问题中仍存在如收敛性不稳定等不足。基于收缩因子改进的粒子群算法可以保证算法的收敛性，同时使得速度的限制放松。结合新安江模型参数的特点，将其应用于该模型参数的率定．并编程实现检验分析。实例应用结果表明，该优化算法可得到较为稳定的模型参数．提高模型在洪水预报中的效率。     

混沌时间序列的伏尔托拉滤波器在大坝监测分析中的应用

基于混沌动力系统相空间的重构，对大坝变形回归模型的残差序列采用二阶伏尔托拉(Volterra)滤波器建立模型，将回归模型与Volterra滤波器模型相结合，进行大坝变形观测数据的拟合与预报。应用实例表明，应用二阶Volterra滤波器对具有混沌成分的回归模型残差时序列进行分析，可以有效地提高拟合精度和预报精度。     

改进温度分量的拱坝变形时空分布模型

通过对混凝土拱坝变形滞后特性的研究,分析了温度效应对坝体位移影响规律,并引入瑞利分布函数建立了改进温度分量的拱坝变形监控统计模型。再通过引入空间坐标,考虑变形值在空间的连续性,建立了改进温度分量的拱坝时空分布模型。由于所建立的监控模型因子较多,因此应用粒子群算法和逐步回归分析法进行参数寻优。最后将所建立的拱坝变形时空分布模型应用于某拱坝变形监控中,结果显示:影响因子的个数减少,复相关系数及剩余标准差均优于传统模型,所建立的模型较传统大坝变形监控模型精度更高、拟合效果更好。     

Deformation early-warning index for heightened gravity dam during impoundment period

The mechanical parameters of materials in a dam body and dam foundation tend to change when dams are reinforced in aging processes. It is important to use an early-warning index to reflect the safety status of dams, particularly of heightened projects in the impoundment period.Herein, a new method for monitoring the safety status of heightened dams is proposed based on the deformation monitoring data of a dam structure, a statistical model, and finite-element numerical simulation. First, a fast optimization inversion method for estimation of dam mechanical parameters was developed, which used the water pressure component extracted from a statistical model, an improved inversion objective function, and a genetic optimization iterative algorithm. Then, a finite element model of a heightened concrete gravity dam was established, and the deformation behavior of the dam with rising water levels in the impoundment period was simulated. Subsequently, mechanical parameters of aged dam parts were calculated using the fast optimization inversion method with simulated deformation and the water pressure deformation component obtained by the statistical model under the same conditions of water pressure change. Finally, a new earlywarning index of dam deformation was constructed by means of the forward-simulated deformation and other components of the statistical model. The early-warning index is useful for forecasting dam deformation under different water levels, especially high water levels.     

基于贝叶斯优化LightGBM的大坝变形预测模型

为了解决大坝变形预测模型易陷入局部最优及不适用大规模数据等问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合全局优化算法——贝叶斯优化进行大坝变形预测。为验证模型适用性,以两座实际混凝土坝工程为例分析,并与多元线性回归、支持向量回归机和多层神经网络等预测结果进行比较。结果表明,该模型均方根误差(RMSE)和平均绝对误差(MAE)等指标均优于其他方法,验证了该模型的可行性及优越性。LightGBM可对输入参数的重要性进行评估,对影响大坝变形的特征进行筛选,从而确定对大坝变形影响更显著的因素,为后续的安全评估工作提供参考。     

混凝土坝变形观测资料分析理论研究

本文在全面介绍水工建筑物原型观测资料分析常用的统计学方法的基本原理的基础上,着重分析了混凝土坝变形统计回归模型和混合型模型的基本原理和建模方法,特别是变形统计回归模型中水压、温度、时效因子函数的基本理论和公式以及混合模型中水压分量确定性模型的建模原理和方法,为混凝土大坝的统计回归模型和混合模型的构建提供理论基础。     

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。