基于PLS和GA的大坝变形神经网络预测模型

针对大坝安全监控模型中各因子间的多重共线性和非线性,利用偏最小二乘回归法解决了多重共线性,用经遗传算法优化的RBF神经网络解决了非线性,建立了PLS-GARBF大坝水平位移预测模型.实例应用结果表明:PLS-GARBF模型的预测精度优于独立使用RBF或GARBF的精度,更适合大规模的数据建模.     

混合核SVM模型在大坝位移预测中的应用

针对大坝位移影响因素强、非线性特点和有效观测序列较短的情况提出了基于小生境遗传算法(NGA)混合核支持向量机大坝位移预测模型。核函数是支持向量机的核心部分,整合高斯和多项式两种核函数各自的优势提高了支持向量机的学习能力和泛化能力。采用主成分分析提取主成分,利用小生境遗传算法优化相关参数,某大坝连续观测数据的建模分析,证明了此种方法在大坝位移监测中应用的可行性和有效性。     

基于实测数据的重力坝型水电站大坝安全诊断关键技术研究与系统实现

保障大坝安全是确保水电站长期稳定运行的首要任务。在水工安全运维数据资源整合技术、基于BIM的多源异构空间信息融合技术、基于实测数据的测点快速评判与大坝工况综合评价技术等关键技术开展研究的基础上,构建了重力坝型水电站大坝安全诊断与决策支持系统,并在西南某水电站投入实际应用,有效提升了电站在大坝安全数据共享融合、分析诊断、综合评判和异常预警等方面的能力,为同类坝型水电站提供了参考和示范。     

基于提升小波和LS-SVM的大坝变形预测

提出了一种基于提升小波和最小二乘支持向量机的大坝变形预测方法,通过提升小波分析提取大坝监测数据效应量,分别对各效应量使用最小二乘支持向量机模型进行训练预测,再将合成各分量的预测结果作为最终的变形预测结果.算例结果表明,该方法较符合实际情况,具有很高的预测精度和良好的泛化能力.     

莱因达准则在安全监测数据离群值判别的应用优化

目前,莱茵达准则是最常用的一种安全监测数据离群值判别方法。但和其它方法一样,均基于统计学原理,在使用过程中均不可避免的存在误判。通过分析造成误判的主要原因:安全监测成果并非总是围绕平均值上下波动,并制定相应的改进,成功提高该方法的判别准确率。     

基于监测信息的坝体三维可视化及系统集成

为全面了解大坝安全监测信息,迅速发现数据中隐含的特征,预警可能出现的结构异常及分析评判坝体结构安全状态,提出以可视化技术仿真坝体实际空间监测信息,实现了三维时空中的数据场量的可视化和人机交互功能,设计开发了可视化的大坝安全监测系统.运行实践表明,可视化系统更直观表现了坝体信息,为坝体监控、分析、评判提供了形象的描述和有...     

基于EPSO-NN模型的大坝安全监控数据处理

针对大坝安全监控神经网络模型中选入因子较多,使网络权值的计算成为高维问题,提出将粒子进化-多粒子群优化算法应用到人工神经网络,建立了EPSO-NN模型。该方法改善了BP神经网络易陷入局部极值和解不稳定的缺点。通过工程实例表明:EPSO-NN模型收敛速度快,求解稳定,预测精度比最小二乘回归和BP-NN高。     

因子相关性对大坝监测模型精度的影响探究

介绍了逐步回归、岭回归、偏最小二乘回归、RBF神经网络、主成分RBF组合模型的基本思路与特点。以陈村大坝变形计算为例,分别建立了各种回归模型,比较了各种模型的优缺点,指出线性统计模型中偏最小二乘回归法的拟合精度及解释能力优于逐步回归、岭回归法;RBF神经网络、主成分RBF组合模型优于线性统计模型,主成分RBF组合模型最优,拟合及预测精度最好。     

特高拱坝动态安全风险分析系统研发及应用

针对特高拱坝运维期内结构安全风险的动态性和复杂性,以及失事后果严重性,基于层次分析法、模糊理论和定量风险评估分析法,利用SQL Server数据库和Visual C#.NET编程技术,研发了一套特高拱坝动态安全风险分析系统。根据特高拱坝的荷载结构特性、安全监测仪器种类繁多和安全监测体系布置复杂的特点,构建了适应不同监测类型和大量安全监测数据的数据库,以及基于监测数据、巡视检查和物探检测的特高拱坝安全综合评价体系,确定特高拱坝事故发生的可能性级别。借助当量法量化分析事故损失,并以此确定损失的级别。最后结合特高拱坝事故发生的可能性级别和由此引起的损失级别,通过风险矩阵评估特高拱坝动态安全风险等级。     

景洪大坝安全监控指标综合拟定与应用

景洪水电站已投产运行8年,经历了多种荷载的考验,积累了丰富的安全监测数据。基于大坝监测数据的综合分析评价成果及监控指标数学计算成果,结合设计计算成果、规范允许值、材料承载力等进行监控指标的综合拟定,并提出监控指标的应用方式,以满足工程运行管理及安全评价的要求。