偏最小二乘法与神经网络耦合的大坝监测模型

针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性.首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理,解决了变量之间的多重相关问题,而后把降维的数据输入神经网络进行训练.对比实例应用结果表明,偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络.     

PSO-RBF在大坝变形监测中的应用

针对传统径向基神经网络(RBF)在大坝安全监测应用中易陷入局部最优及预测精度不高的问题,引入粒子群算法(PSO),对输入的大坝安全监测数据进行初步的聚类处理,找出初步聚类中心后令其为PSO的初值,根据运算法则更新初值以寻求适合训练数据的最优基函数中心。以小湾大坝为例,应用Matlab仿真模拟计算了大坝变形量,结果表明PSO-RBF与传统RBF的拟合效果都很好,PSO-RBF预测准确度更高。     

碾压混凝土拱坝裂缝成因与防裂措施分析

以某碾压混凝土拱坝为例,利用Abaqus有限元软件和Fortran编程相结合的方法建立了有限元模型,对拱坝在不同工况下的温度场和应力场进行了模拟计算,分析坝体裂缝产生的原因及防裂措施。结果表明:及时通水冷却可以大大降低混凝土内部温度,从而在很大程度上降低混凝土拉应力,有效控制裂缝的产生;当通水流量达到一定值后,若再加大通水流量,则不能显著降低混凝土温度。为避免混凝土产生表面裂缝,应采取降低混凝土出机口及入仓温度、对仓面进行保温及喷雾、加快混凝土散热等温控措施。