主成分神经网络模型在大坝观测资料分析中的应用

在大坝观测资料分析中，各因子间常存在不同程度的相关性，这种相关性有时会对分析效果产生较大的影响；另外，通常的回归模型为线性模型，难以精确反映一般为非线性函数的因变量的变化规律。针对上述问题，本文将主成分分析和模糊神经网络相结合，建立大坝观测数据的主成分模糊神经网络模型，经实例计算，该模型的预报精度较高。     

基于主成分分析与BP神经网络模型的大坝渗流监测资料分析

大坝渗流观测资料分析中,各因子间常存在不同程度的相关性,这种相关性有时会对分析效果产生较大的影响,另外,通常的回归模型为线性模型,难以精确反映一般为非线性函数的因变量的变化规律。针对上述问题,本文将主成分分析和神经网络相结合,建立大坝渗流观测数据的主成分神经网络模型,经实例计算,该模型的预报精度较高。     

基于主成分回归的大坝位移模型

位移监测是大坝安全运行过程中一项重要的工作。在建立大坝位移预报模型的过程中,常会出现影响因子之间存在严重相关性的情况,会影响模型系数的稳定性,采用主成分回归分析的方法可以很好地解决这个问题。在简述主成分回归分析原理的基础上,结合工程实测数据,建立了坝体位移量与相关因子的主成分回归模型和逐步回归模型,并对两者进行比较,取得了良好的效果。     

主成分回归分析在大坝安全监测中的应用

介绍主成分回归的原理,对某大坝的位移预测进行分析研究.利用SPSS软件进行多重共线性诊断后进行主成分分析,确定主成分的个数,将原自变量的主成分代替原自变量进行回归分析,建立主成分回归模型,并对该大坝位移进行预报.对影响大坝位移的各因子进行有效分离,既保留了原指标的绝大部分信息,又有主成分之间不相关的特点,弥补了最小二乘法回归无法有效识别和消除因子间多重相关性影响的不足.     

相空间神经网络模型在大坝安全监控中的应用

本文将混沌理论和神经网络理论相结合，并针对某一混凝土重力坝水平位移实测值建立相空间模糊神经网络预报模型。首先对水平位移的实测序列，进行相空间重构，求算关联维，说明该序列存在混沌成分和奇异吸引子；应用自适应模糊神经网络，对水平位移实测序列构成的相点，建立相空间神经网络模型。计算结果表明，相空间神经网络模型用于大坝监控中是可行的，其预报精度优于常规的统计回归模型，能揭示大坝的非线性性质，能更好地对大坝运行性态进行分析。     

大坝观测数据的模糊神经网络分析

针对某一混凝土重力坝水平位移实测值建立模糊神经网络预报模型，用改进的遗传算法对参数进行调整和优化，并用自组织竞争神经网络来优化模糊神经网络结构。计算结果表明，其预报精度优于常规的统计回归模型。     

动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性,提出了在线动态建模的模糊神经网络方法.当新增样本进入训练集之后,根据新样本对模型的贡献大小,在已有模型的基础上进行动态修正,这样可以减少建模的计算时间.新方法实现了增加样本而矩阵阶数不增加,避免了矩阵求逆运算,理论上可以提高计算效率.实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域.     

大坝变形观测资料分析的组合模型

大坝变形观测资料分析对大坝安全维护有极其重要的意义，灰色分析、回归分析和时间旬分析技术是根据大坝变形序列特征，采用数学手段逐步提取趋势、周期、随机３种成分，对不同的成分分别建立不同的模型，从而构成了一种组合模型，它可较客观地描述大坝运行工况，拟合精度较高且有直接预报功能。模型不易受少数错误观测值干扰，对含有特异值的大坝变形观测序更分析是非常有利的。该模型已得到了应用，其结果与为生产单位采用。     

遗传算法在大坝安全监控神经网络预报模型建立中的应用

本文基于遗传算法思想，采用浮点数矩阵表示编码，在遗传算法的进化过程中加入一定的约束条件等方法，探讨了网络结构的设计和学习。经实例分析，在用于建立大坝安全监控预报模型的前馈神经网络设计中，该方法在满足一定约束条件下，能同时有效地寻找合适的网络结构和相应的参数(神经网络的权值和阈值)，且在精度和速度上都有较大的提高，为实现实时在线分析评价大坝的安全性态提供了有力的技术支持。     

大坝观测数据的模糊神经网络分析

针对某一混凝土重力坝水平位移实测值建立模糊神经网络预报模型，用改进的这传算法对参数进行调整和优化，并用自组织竞争神经网络来优化换糊神经网络结构。计算结果表明，其预报精度优于常规的统计回归模型。     

主成分-BP组合模型在坝顶位移监控中的应用

在大坝位移监控中,主成分分析和BP神经网络方法运用较广,建立两种方法的组合模型,可以结合两种方法的优势,利用主成分分析消除坝顶位移预测中多重相关性给模型带来的不利影响,利用BP网络可通过自组织、自学习和高容错性等功能解决复杂非线性问题。通过实例计算可知,组合模型精度能够达到要求,可以推广应用。     

长诏大坝观测资料管理及计算分析系统

本系统是一个数据管理，信息处理和计算分析的集成化软件，在Windows 98和Visual Foxpro6.0支持下，菜单提示选择，人机对话，能进行观测数据输入，修改，删除和查询，统计观测量的每年，每月及任意时段的最大值，最小值，平均值和变幅值，建立观测效应量的回归模型和预报模型，计算各影响分量的最大值，最小值，时效分量的年平均变化率和预报值，并能显示和打印各类报表和过程线，从而分析大坝的工作性态。本系统的各项功能有交互式的对话框，一目了然，操作十分方便快捷。     

系统辨识技术在大坝观测资料分析中的应用

在系统辨识理论中，通常的大坝观测资源分析被认为是“离线”的，但是，随着计算机的广泛普及应用，加之微机自动化观测系统的出现，有的已成功地应用于各种大坝的变形观测，“在线”地处理这些源源不断的观测资料已成为必然，这就是本文所考虑的。此外，当传统地人工采集观测数据时，本算法在计算机上也具有一定优越性。文章还讨论了多个效应量统计学模型的建立及“在线”估计问题。     

BP神经网络模型应用于大坝原型观测研究

针对传统的多元线性回归方法的不足,提出将BP神经网络模型应用于大坝原型观测数据处理。并介绍了BP神经网络模型的结构和算法,以及训练样本的归一化处理方法;将BP模型应用于黑河金盆水库大坝原型观测,结果表明,其模拟和预测效果均优于多元线性回归模型。     

雨城电站大坝观测资料分析

雨城电站左坝肩为砂卵石覆盖层，大坝运行后，左坝肩软接头下游护坡处有地下水溢出。重点从大坝位移、左坝肩渗流、水质变化几方面分析了大坝运行情况及溢出水的来源和变化规律，为大坝安全运行提供了重要的资料。     

基于主成分分析法的大坝风险后果综合评价模型

 大坝风险后果综合评价涉及众多评价因子,各因子间存在一定的相关性。将主成分分析理论应用于大坝风险后果的综合评价,以江西5座水库为例,将数据标准化,根据相关系数矩阵,以综合因子的贡献率确定主成分和权重,计算出主成分值以及综合分值,结合评价标准最终确定大坝风险后果等级并对其进行排序。结果表明：若发生溃坝事件,5座水库大坝后果均十分严重,属特别重大事故,评价结果客观合理。研究表明,主成分分析法能够较客观地反映大坝风险程度,具有方法简便、推理过程严密等特点,为大坝风险后果综合评价提供一条新途径。     

计算机在大坝渗流观测资料分析中的应用

该文以莆田东圳水库渗流观测资料处理为例，介绍渗流观测资料分析系统软件“Stf99”的功能结构及其运用效果。     

大坝自动化观测资料分析的自适应模型

由于工程补强加固、监测系统维护乃更新改造等对观测系造成的干扰，自动化观测资料一般难以进行实时建模分析，本提出用指示变量建立大坝自动化观测资料分析的自适应模型，实时分析资料的可靠性，评价大坝的安全性态。     

隔河岩大坝垂线观测的回归模型研究

本文以隔河岩水利枢纽工程某坝段正垂线观测数据为基础,用回归分析法对大坝变形监测统计模型进行了研究,并就水压、时效和温度对大坝测点水平位移的影响情况等进行了初步分析。     

大坝观测资料分析的指标变量模型

针对运行期大坝补强加固、监测系统更新改造等措施常对观测系统造成干扰，本文提出用指示变量数值模型来模拟并分离各种系统干扰的影响量值，提高了模型的有效性，更符合实际情况，有利于进一步分析大坝的的安全性态。