融合多元时空信息的Informer-AD大坝变形预测模型

针对大坝变形时间序列预测问题，考虑多测点变形相关性，建立变形量时空多维输入矩阵，提出一种基于K-means聚类融合多元时空信息的Informer-AD大坝变形预测模型。首先，采用K-means聚类对变形测点进行分区；其次，引入面板数据回归模型分析分区结果；最后，提出融合多元时空信息的Informer-AD大坝变形预测模型。利用该模型对空间特征序列进行学习，通过全连接层整合空间特征，输出预测的大坝变形值。将上述预测模型运用于CT混凝土重力坝，结果表明，本文所提出的考虑时空关联性的预测方法充分挖掘大坝变形整体性态与测点空间分布特性的关系，能够更好地捕捉变形时空特性，进而提高预测精度。     

深度学习提取时空特征的堆石坝变形预测模型

当前堆石坝变形智能预测模型较少关注多测点变形时间序列在时空特征上的不均衡性,因此限制了变形预测精度的进一步提高。为了解决该问题,本文提出了一种结合卷积神经网络、注意力机制和长短期记忆神经网络的堆石坝变形预测模型（CTSA-Conv LSTM）,该模型可以提取变形时空特征,对不同时刻和不同位置的测点赋予不同的权重系数,实现对堆石坝整体变形规律的自适应学习。以水布垭面板堆石坝为例,采用该模型和最大断面所有测点的变形监测数据,验证了模型的有效性。模型预测效果优于Holt-Winters等常规时序预测模型,预测精度也优于笔者提出的基于LSTM的变形预测模型。通过深度学习提取监测数据时空特征,进一步提高了大坝变形预测精度,为大坝安全监控模型提供了新的思路。     

基于时间注意力机制的大坝动态变形预测模型

构建高精度的变形预测模型对于大坝风险评估及防治措施制定具有极其重要的意义。传统的大坝变形预测模型鲜有针对大坝的变形滞后性特点以及变形特征因子的影响性分析与评估,这会对模型的预测精度造成较大的影响,并导致模型缺乏可解释性。针对上述问题,本文提出一种结合时间注意力机制的门控循环单元神经网络（GRU）架构。首先通过卡尔曼滤波（Kalman Filter）对原始大坝变形数据中由于监测器异常导致的随机噪声与异常值进行处理。其次,利用随机森林（RF）对各变形特征因子的重要性进行分析和评估,筛选模型输入的特征因子。最后,针对大坝变形的滞后性,利用时间注意力机制进一步提高GRU模型对时间维度上的动态特征关注度,增强模型对时间维度信息的自适应学习能力,且对时间注意力进行可视化进一步提高了大坝变形预测模型在隐藏状态阶段上的可解释性。通过工程实例研究结果表明,卡尔曼滤波在大坝变形监测中确实存在一定适用性,同时本文所提出的耦合时间注意力机制的变形预测模型有着较高的预测精度,对于预测过程中的隐藏状态层级有较强的解释性,并揭示了温度与水位因素对大坝变形的长期影响,为大坝变形安全监测提供了一种新的有效方法。     

基于面板时空模型的锦屏一级大坝变形性态分析

拱坝变形性态是多因子耦合共同作用的结果,具有时空二维的演化规律和分布特征。本文基于变截距面板数据时空模型,充分利用多测点变形资料,研究了锦屏一级大坝变形性态的变化规律,解决了常规统计模型仅从时序上考察单点变形性态的不足。结果表明：模型可准确感知反馈坝体变形响应的时空特征,良好的拟合精度与外延性确保了建模的正确性。此外,模型具有控制异质性的特点,可精准评价各分量对坝体特征区域的影响,弥补了常规模型的不足;模型还具备降低多重因子共线性、抗差性等优良性质,为大坝安全在线监控提供了理论依据和技术支持。     

NGO-GPR与投影寻踪联合驱动的大坝变形预测模型

建立准确可靠的变形预测模型对保证大坝安全运行至关重要，然而现有监控模型难以兼顾海量监测数据的多维度时空关联特性，不能有效反映大坝整体和区域性变形性态。为此，引入考虑测点综合距离的层次凝聚聚类和投影寻踪法，深入挖掘坝体位移场海量监测数据中的关联信息，得到反映分区多测点变形特征的融合变形序列；提出一种由北方苍鹰算法优化的高斯过程回归，以此建立分区多测点融合变形预测模型，并依据拉依达准则构建预测结果的置信区间。结合工程实例，探究了不同核函数对模型预测精度的影响；通过对比分析，验证了本文方法对比几种常规模型具有更高预测精度和适用性，且能对预测结果的可靠程度进行估计，对大坝变形性态的安全监测具有一定工程应用价值。     

用于骨架行为识别的时空卷积Transformer网络

针对基于图卷积的骨架行为识别方法在建模关节特征时严重依赖手工设计图形拓扑,缺乏建模全局关节间依赖关系的缺点,设计了一种时空卷积Transformer实现对空间和时间关节特征的建模。空间关节特征建模中,提出一种动态分组解耦Transformer,通过将输入骨架序列在通道维度进行分组并为每个组动态生成不同的注意力矩阵,允许建模关节之间的全局空间依赖关系,无需事先知道人体拓扑结构。时间关节特征建模中,通过多尺度时间卷积实现对不同时间尺度行为特征的提取。最后,提出一种时空-通道联合注意力模块,进一步对所提取到的时空特征进行修正。在NTU-RGB+D和NTU-RGB+D 120数据集的跨主体评估标准上达到了92.5%和89.3%的Top1识别准确率,实验结果表明了所提方法的有效性。     

大坝监测数据多维度LSTM异常检测与恢复

大坝安全监测是大坝安全的重要保障，对监测数据进行异常检测与恢复可有效避免对大坝状态的错误估计和判断，具有重要现实意义。近年来基于深度学习方法的大坝监测数据异常检测受到广泛研究，但现存方法存在数据利用不足、信息挖掘不充分等问题。因此，本文提出一种多维度LSTM异常检测与恢复方法，该方法用LSTM输入多个测点的大坝监测数据对单测点数据进行预测，有效利用了不同测点间的相关信息；最后利用拉依达准则对目标测点进行异常检测。本文利用大渡河瀑布沟水电站真空激光准直监测数据进行案例验证，通过与单维度的LSTM异常检测与恢复方法相比较，验证了所提方法能有效地检测数据异常和预测恢复正常数据，是一种有效的大坝监测数据异常检测与恢复方法。     

耦合时序特征分解筛选的大坝变形分析模型

高精度的变形预测对大坝安全运行和长期维护具有重要意义。针对当下方法预测精度低、数据信息挖掘不充分的问题,通过将变形序列进行变分模态分解,构建大坝变形影响因子与分量之间的关系,进而搭建不同结构参数的长短期记忆神经网络,最终提出了一种大坝变形分析模型。该模型综合灰狼算法、最小能量误差标准、最小冗余最大相关性方法等策略,从前端分解、信息提取和时序预测三方面对模型进行了改进,实现了最优化建模。实例分析表明,相较于常规监控模型,所提出的变形分析模型能够准确模拟坝体形变过程,具有较高的预测精度和泛化性能,可以为大坝变形安全分析提供参考。     

SSA-XGBoost与时空特征选取的大坝变形预测模型

针对目前部分单测点模型未考虑大坝监测数据空间关联性、难以描述大坝变形整体响应特性的问题,以及传统回归模型未考虑环境量与变形量的非线性关系导致预测精度较低的问题,本文提出了一种预测模型,包括对监测数据进行基于自适应噪声完备集合经验模态分解-小波包降噪,结合弹性网络对考虑了空间关联性的变形效应量因子进行特征选取,辅以交叉验证特征因子的有效性,并使用麻雀搜索算法提高计算效率。基于锦屏一级拱坝实测变形数据,探究了考虑空间关联性的最优因子集,并通过对比多种模型的MSE、RMSE等参数验证了本文方法的有效性,在大坝变形性态分析中具有一定应用价值。     

地下变电站辅机DTS系统设计探讨

以上海500 kV地下变电站辅机系统为原型,对辅机DTS系统设计遇到的技术要点进行了分析。针对辅机系统结构复杂,测点信息较多的特点,提出从外特性进行仿真,通过设备模型和关联模型建立搭建系统模型的建模方法。在此基础上,将故障模型分为状态故障和模拟量异常两个类型。考虑辅机后台监控系统的复杂性,采用了前背景分离的设计方法,大大减少了监控系统仿真的工作量。该成果对国内其他地下变电站辅机DTS系统设计具有重要的参考价值。     

溪洛渡高拱坝蓄水期谷幅变形特性与影响因素分析

水库蓄水诱发的库岸变形现象对坝工结构的工作性态和工程整体的安全状态都有直接影响,及时掌握水库蓄水期间库岸岩体及坝工结构的真实变形状态,对于工程安全具有重要意义。针对我国溪洛渡高拱坝首次蓄水期间出现的显著的河谷谷幅收缩问题,收集整理了库区岩体及坝工结构的变形监测资料,通过统一坝体外观监测系统和内部垂线监测系统的基准点,获得了拱坝坝体及坝基岩体的真实变形状态,总结了坝体与库岸岩体变形的时空分布规律,认为坝体变形已受到坝址岩体变形的影响。在此基础上,本文通过建立逐步回归模型,分析了河谷谷幅发展过程与库水位、气温及其他作用因子的相关性,结果显示谷幅收缩过程主要由其他作用分量主导,而与库水位及气温的相关性较小。鉴于当前河谷谷幅收缩的趋势仍未完全收敛,对于谷幅收缩现象亟需进行机理研究以预测其未来发展趋势。     

砂砾石地基上面板堆石坝变形和应力性状分析

结合原型观测资料和数值方法分析和评价建于砂砾石地基上苗家坝面板堆石坝的变形和应力特性,进而总结砂砾石地基上面板堆石坝的行为特性并与典型大坝(修建于基岩上的面板堆石坝)结果进行对比分析。原型观测结果由大坝详细变形监测系统获得,覆盖大坝施工阶段、蓄水阶段和一年运行期。为了全面获得大坝施工期和运行期变形和应力特性,并对大坝长期变形进行预测,基于参数反演结果对大坝进行三维有限元分析。比较分析表明,大坝原型观测结果与数值计算结果吻合良好。苗家坝面板堆石坝变形和应力特性表现良好并趋于稳定。另外,对包括苗家坝在内的12个已建砂砾石地基上面板堆石坝实测变形进行了总结归纳分析并与典型大坝结果进行比较。结果表明,砂砾石地基对面板堆石坝行为特性具有显著影响,大坝沉降和面板挠度显著大于典型坝结果,且最大值位置呈现向下移动的趋势。     

考虑温度变化和长期变形的面板堆石坝模拟

面板裂缝是影响混凝土面板堆石坝安全和性能的关键因素之一。本文基于ABAQUS软件,开展了堆石体长期变形与混凝土水化热、时空不均匀分布温度场边界施加等二次开发,以老挝某混凝土面板堆石坝为研究对象,研究了堆石体长期变形、混凝土水化热、环境温度变化的联合作用机制。分析了堆石体长期变形量值、面板浇筑时间过程、环境温度数值和分布模式等对面板应力变形的影响,揭示了混凝土浇筑后早期水化热温升和环境温度影响导致面板表面较大顺坡向拉应力是面板大量早期水平裂缝的主要原因;同时也发现,即使对于浇筑后较长时间,考虑温度变化情况下计算出的面板拉应力也高于不考虑温度变化情况。计算分析可为面板浇筑时机选择,面板温度裂缝、变形裂缝分类防控等提供技术依据。     

白鹤滩首蓄期变形预测混合模型方法北大核心CSCD

首蓄期准确预测坝体变形,合理安排蓄水计划对于特高拱坝安全进入运行期具有重要意义。为解决特高拱坝首蓄期坝体变形预测较难的问题,本文提出了一种特高拱坝首蓄期坝体变形预测混合模型方法,并结合白鹤滩特高拱坝首蓄期坝体变形监测资料进行工程实例验证。该模型结合白鹤滩特高拱坝首蓄期三阶段蓄水计划的背景,结合三个蓄水目标下白鹤滩拱坝拱冠梁坝段正垂测点的监测数据量大小,在首蓄期初期采用多元回归模型,在首蓄期中后期对PLdb18-2到PLdb18-6五个测点采用优化的LSTM模型,对于坝顶的PLdb18-1采用多元回归模型。本文针对混合模型及全过程采用单一模型的预测结果和实测结果进行对比,本文提出的混合模型方法精度最高,误差率不超过4%,且具有较好鲁棒性。     

混凝土坝长效服役性态健康诊断研究述评

通过对长期服役的混凝土坝工作性态健康诊断,有助于选择合适的风险管控措施,保障混凝土坝安全运行。在阐述我国混凝土坝病险隐患的基础上,总结了混凝土坝健康诊断的作用,论述了混凝土坝安全监测和现场检测技术、诊断模型、结构计算及模型试验等关键理论、方法与技术的研究进展。认为今后应加强数据驱动的混凝土坝安全性态时空演变特征提取、可靠度发展模式识别、风险率动态协同评估、多源异构信息融合决策、临界预警阈值拟定等方面的研究,以期全方位地构建数据共享、信息互补的诊断知识工程,确保大坝长效健康服役。     

大坝变形预测的最优因子长短期记忆网络模型

面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子（least absolute shrinkage and selection operation,LASSO）变量选择和长短期记忆（long short-term memory,LSTM）网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差（MAE）、均方误差（MSE）与均方根误差（RMSE）均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。     

基于COSMO-SkyMed数据的水库边坡InSAR形变监测应用

形变一直是评估水库边坡稳定性的重要指标。以2013—2016年内COSMO-SkyMed系统采集的SAR数据为输入,利用PSP-InSAR技术对深圳市长岭陂水库边坡开展了形变监测。在数据分析过程中,首先引入了形变随水位变化模型。接着,基于实测数据,全面对比了传统模型和本文提出的模型在提取水库边坡形变信息过程中的性能,并重点讨论了受水位变化影响较大区域的形变信息。然后,结合当地水准测量数据,评估了InSAR（合成孔径雷达干涉测量）技术的形变测量精度,并进一步讨论了两种模型在数据分析过程中的特点。分析结果证实,在水库边坡的形变分析过程中,应用本文提出的模型能从InSAR数据库中挖掘出更多的形变特征信息。     

基于多位置NWP和门控循环单元的风电功率超短期预测

数值天气预报(NWP)对风电功率超短期预测模型精度有着重要影响。为充分利用NWP信息,考虑多个风电场的空间相关性,提出一种基于多位置NWP和门控循环单元的风电功率超短期预测模型。首先,通过随机森林分析多位置NWP信息对风电场发电功率的重要程度,利用累积贡献率提取NWP中的有效信息,将加权的NWP信息与历史功率数据作为预测模型的输入变量。然后,选取改进的灰狼寻优算法对门控循环单元的参数进行优化,建立多变量时间序列预测模型,进行风电场发电功率的超短期预测。最后,选取中国某风电场的实测数据进行算例分析,验证了所提方法的有效性和可行性。