基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

基于多重分形的混凝土重力坝水平位移波动分析

为了更好地掌握大坝变形的长期行为和演变规律,在考虑位移与环境量相关性的前提下,将多重分形理论应用到大坝变形实测数据分析中。以某混凝土重力坝的变形分析为例,利用多尺度滑动时间窗消除由传统多重分形子区间划分产生的伪波动,通过多重分形去趋势相关性分析法(MF-DCCA)刻画位移与环境量相关性的多重分形特征,进一步利用多重分形非对称去趋势相关性分析法(MF-A-DCCA)分别对位移原序列、正趋势、负趋势进行波动性、非对称性和长程相关性分析,从位移整体波动和局部趋势两个层面描述了位移在环境量影响下的多重分形特征。分析结果表明,坝体变形性态较好,且位移多重分形特征受环境量影响明显,其中库水位的变化是导致该混凝土重力坝水平位移多重分形特征的主要原因。