共查询到18条相似文献,搜索用时 468 毫秒
1.
针对大坝资料分析中经常遇到多因子的相关性影响分析效果的问题,利用主成分分析法提取综合变量,与BP神经网络相融合构建了大坝安全监控 PCA-BP 融合模型,并与传统大坝安全监控模型做了对比分析.结果表明,模型优化拟合精度得到提高,收敛时间加快. 相似文献
2.
3.
4.
以强化多输出支持向量机(MSVR)模型在混凝土坝变形多维预测中的鲁棒性和泛化能力为目标,围绕变形多维联合精准预测展开研究。在邻域粗糙集(NRS)理论的框架内发展了一种变形影响因子贡献度度量方法,实现了多影响因子约简和关键因子的提取。视关键因子为MSVR模型的输入变量,编制迭代加权最小二乘算法进行模型求解,进而建立混凝土坝变形多维预测的NRS-MSVR模型。通过工程实例,对NSR-MSVR和MSVR模型预测效果进行对比分析。结果表明,在两模型拥有高拟合精度的前提下,NRS-MSVR模型的预测精度更高,具备更强的鲁棒性和泛化能力,是混凝土坝变形多维联合精准预测的一种新方法。 相似文献
5.
大坝变形通常呈非线性、非稳定特征,利用可靠的数据驱动模型分析大坝变形变化趋势具有重要意义。为此,提出了一种基于变分模态分解(VMD)的多尺度变量提取大坝变形预测模型,首先利用VMD将变形原始序列分解为若干具有不同频率的子序列,以降低原始序列的非平稳性;然后引入初始变量集,并通过平均影响值-极限学习机模型(MIV-ELM)分别提取出与变形子序列相关度较高的变量;最后构建ELM模型对大坝变形进行多尺度预测。针对某混凝土坝水平位移的分析结果表明,提出的模型能有效减小非平稳性对预测结果的影响,实现大坝变形的准确预测。 相似文献
6.
特高拱坝整体变形性态是大坝各区域变形协同作用的结果,针对大坝变形建模分析时,采用共同影响因素(库水位、温度、时效)难以刻画不同区域变形规律差异性的问题,引入表征不同区域特有影响因素作用效应的虚拟变量,即变形特异效应量,兼顾影响变形的共同因素和特异因素,建立了变截距面板模型。针对变形变截距面板模型中特异效应量的不同型式,提出了模型型式选择的Hausman检验方法。采用广义最小二乘估计法,得到了模型各分量参数的有效估计值。最终通过工程实例验证所建特高拱坝变形变截距面板模型的有效性,弥补了传统大坝变形分析模型的不足。 相似文献
7.
8.
鉴于大坝变形监测资料分析是大坝结构性态安全评价与预报的重要手段,针对单测点模型存在的缺点,建立了既考虑坝体不同方向的位移又考虑空间多个测点分布的多测点多方向位移模型,并利用BP神经网络较强的非线性映射能力,直接选取了对大坝变形有较大影响的自变量因子,解决了在建立大坝多测点多方向传统模型时自变量因子数众多、计算工作量大等问题。实例应用结果表明,多测点多方向BP网络模型可反映大坝变形的分布及变化规律,可见采用BP神经网络建立大坝多测点多方向变形监测模型具有可行性和有效性。 相似文献
9.
10.
针对大坝变形原型监测数据的非线性和影响因子的相关性问题,提出一种基于模糊C-均值聚类(FCM)和相关向量机(RVM)的组合建模方法。首先用FCM方法对影响因子进行相似聚类,然后运用RVM算法分别对每一聚类样本进行训练学习得到对应的RVM模型,其中RVM算法中的核参数采用改进的粒子群(PSO)算法寻优。将各组合算法用于某重力坝典型坝段水平位移的安全模型构建中,并与多种模型预测结果对比,结果表明,FCM-RVM预警模型的预测精度较高。研究结果可为类似工程的大坝变形预警提供参考。 相似文献
11.
针对回归分析方法在数值拟合方面存在的问题,根据变形监测历史数据,考虑大坝变形、水位、温度等数据的相关性,将大坝变形监测数据看作多变量时间序列,采用鲁棒性较强的Eros距离度量多变量时间序列间的相似性,并利用局部异常系数对变形数据进行挖掘和异常检测,提出了基于局部异常系数的大坝变形异常分析方法。实例应用结果表明,该方法与统计学方法所得结论一致,能较好地描述变形监测数据的异常,可用于混凝土坝变形异常评价。 相似文献
12.
针对重力坝变形监测中单一回归模型存在的不足,引入水位、温度和时效各因子,分别建立了逐步回归模型和偏最小二乘回归模型,选取A电站14年的资料共88组样本点,分别采用两种模型对上下游方向S02单测点进行分析。结果表明,两种模型在很大程度上对混凝土重力坝变形监测结果分析均适用,实测值与逐步回归计算值和偏最小二乘回归计算值基本吻合,但偏最小二乘回归模型各水位、温度和时效各因子有效避免了舍弃线性相关自变量,对大坝变形的影响较逐步回归模型更加接近实际规律,在大坝变形监测中将二者方法得到的结果结合起来,得到的监测资料更为准确。 相似文献
13.
14.
为安全监控大坝,以棉花滩大坝为例,提出了一种多测点监测数据的方法,通过对环境变量和大坝效应量之间关系的分析,将多测点监测量转换为几个相互独立的潜变量来实现多测点数据的降噪和减缩,并采用最小二乘支持向量机(LS-SVM)建立环境变量因子对潜变量的预测模型,以实现对大坝状态的监控。 相似文献
15.
16.
Hyeonseok Jeong Sungwoo Cho Daeyeon Kim Hahyung Pyun Daegeun Ha Chonghun Han Minkwan Kang Munsoo Jeong Sanghun Lee 《International Journal of Hydrogen Energy》2012
In a commercialized 300 kW molten carbonate fuel cell (MCFC) power plant, a univariate alarm system that has only upper and lower limits is usually employed to identify abnormal conditions in the system. Even though univariate alarms have already been adopted for system monitoring, this simple monitoring system is limited for using in an extended monitoring system for fault diagnosis. Therefore, based on principal component analysis (PCA), a recursive variable grouping method for a multivariate monitoring system in a commercialized MCFC power plant is presented in this paper. In terms of development, since a principal component analysis model that contains all system variables cannot isolate a system fault, heuristic recursive variable selection method using factor analysis is presented here. To verify the performance of the fault detection, real plant operations data are used. Furthermore, comparison between type 1 and type 2 errors for four different variable groups demonstrates that the developed heuristic method works well when system faults occur. These monitoring techniques can reduce the number of false alarms occurring on site at MCFC power plant. 相似文献
17.