大坝监测网拟稳平差与拟稳参数加权平差的关系

本文基于参数为非随机变量这一模型，导出了稳参数加权平差的计算公式，详细分析了它与拟稳平差成果间的关系，通过对一大坝变形监测网实测数据平差成果的讨论说明，拟稳参数加权差成果优于拟稳平差成果。     

大坝变形监测网粗差的可定位性

粗差的可定位性是指大坝变形监测网发现某一量级的粗差并且能够将其位置正确判定的能力，它是对监测网可靠性概念的一种扩展。文章导出了粗差可定位性分析的基本公式，提出了一种利用ＡＰＳ－Ｈ软件计算粗差检验统计量相关系的方法。最后，探讨了粗差可定位性指标在大坝变形监测网设计中的应用。     

桃林口水库大坝变形监测网的布设

从监测网的优化设计，误关分析，数据处理等方面进行了系统的研究，提出了监测网优化设计的原则和提高观测精度的有效措施及采用赫尔默特估计方法进行监测平差处理的方法，规范了作用步骤，总结了有价值的经验，可为各类工程监测的建立提供借鉴。     

五强溪水电站坝区变形监测网优化设计

坝区变形监测网经济合理的优化设计方法是：区分网点功能，给定相应的精度与灵敏度指标，本文介绍了五强溪水电站坝区变形监测网的优化设计方案。     

东风水电站大坝平面变形监测网初探

叙述东风水电站高精度的大坝平面变形监测网的实施情况，并研究了在河谷地段建立高精度短边变形监测网应注意的一些特殊问题。     

大坝监测数据处理的抗差多元回归模型

目前大坝监测的数据处理一般采用误差服从正态分布的假设。而现实中严格服从正态分布的观测序列是很少的，尤其当数据中含有粗差，与正态分布相差较大时，建立的模型将会偏离实际情况。为此，通过应用抗差最小二乘法，笔者提出了大坝监测数据处理的抗差多元回归模型，阐述了其建模的机理、步骤，同时还可利用该法的权重进行粗差检测。     

三维变形监测网的数据处理

本文推导了三维网中天顶距实测精度预估的菲列罗公式;简化了Helmert推导的后验方差估计式,并介绍了利用简化式进行后验方差迭代定权的方法;在对系统误差的处理方面,笔者提出了一种新方法:模拟探测法.     

前方交会平差系统在大坝外观变形监测中的应用

针对大坝外观变形监测精度要求高、作业量大等特点,在测量机器人采集外业数据的基础上,以Visual Basic编程语言和Access数据库为工具开发了前方交会平差系统。解决了观测手簿生成、数据预处理、历史数据提取、变形曲线图绘制等实际应用问题,初步实现了大坝前方交会测量的内外业一体化。详述了该系统开发过程中的几项关键技术问题以及工程应用实例分析。     

GPS监测大坝三维变形的应用

讨论了全球定位系统(GPS)变形监测网的建立以及提高GPS观测精度应采取的措施。分析了GPS大坝变形监测网的特殊性．提出了选择站心地平坐标系作为GPS大坝变形监测网平差计算的参考坐标系；采用拟稳平差方法处理GPS大坝变形监测网的观测数据。编写了GPS大坝变形监测网的网平差软件，并对某大坝GPS变形监测网的3期观测数据进行了平差计算。计算结果表明，GPS观测的精度可以满足大坝变形监测的精度要求；拟稳平差方法更适合于GPS变形监测网的数据处理。     

三峡大坝变形监测设计优化

三峡安全监测系统直接监视着三峡枢纽的安全，三峡工程要求监测的范围广，部位多，既需要建立统一而稳定的基准，又要能适应不同部位的监测特点。要求变形监测网分层次实施，各层次所要求的量测精度基本一致。大坝的变形监测量测设施包括在、右岸非溢流坝段，左、右岸厂房坝段和溢流坝段的水工建筑物及其基础的水平、垂直位移、建筑物挠度及其基础转动量测设施。在监测设施的布置上，采用引线线、真空激光位移测量系统、精密水准、静力水准等分布广、覆盖面宽且直观、有效的监测设施，使安全监测的触角尽可能延伸到每个坝段，以便从宏观上把握大坝的整体运行性态，同时选择一些关键和重要监测部位进行重点监测。     

江垭枢纽工程坝区变形监测网优化设计

江垭水利枢纽工程坝区监测网自1998年蓄水前建立以来，共观测过6次，监测数据完整地反映了不同水位条件下大坝周连岩体的变形性状，发现了水库蓄水后坝址区岩体抬升的异常现象。究其原因，主要是坝基岩体中存在热承压含水层，热水的补给点位于下游，且高于库水位，水库蓄水后，热承压含水层的扬压力增大，对不透水层基岩顶板有一定的顶托作有所致。对该坝区变形监测网从施工优化设计到资料初步分析的情况进行了简要介绍。     

基于人工蜂群算法与Elman神经网络的大坝变形监控模型

针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-Elman(人工蜂群算法与Elman神经网络)模型预测的相对误差和标准差分别为1.98%和0.063。从各影响因子对大坝变形的贡献上看,水压分量占27.9%,温度分量占62.3%,时效分量占9.8%。ABC-Elman模型在建模效率、预测精度等方面均有一定的优势,较适合于大坝变形的建模分析,并可推广于大坝渗流、应力等监控模型中。     

大坝变形预测的径向基函数网络模型

在大坝变形预测中,运用人工神经网络模型进行预测分析已较为广泛,目前使用最多的是BP网络模型,但由于存在计算量巨大,且易出现局部极小和收敛慢等缺点,为此建立了大坝变形预测的径向基函数神经网络模型,并与改进的BP网络模型进行比较.实例表明,径向基函数模型具有良好的泛化能力,克服了BP模型的局部极小和收敛慢等缺陷,在预测精度及训练速度方面显著优于BP模型,具有一定的推广价值.     

基于NMEA-BP大坝变形监测模型研究

在对思维进化算法(MEA)改进的基础上,开展了基于思维进化算法与BP神经网络的大坝变形监测模型的研究。通过引入小生境技术和思维进化算法,克服了BP神经网络易陷入局部最优值、训练时间长和收敛速度慢等缺点,极大地提高了其搜索效率和全局搜索能力。通过进一步利用改进的思维进化算法优化BP神经网络的权值和阈值,建立了NMEA-BP大坝变形监测模型,并用该模型对工程实例进行了拟合预测。结果表明,NMEA-BP模型有效提高了大坝变形预测的精度,能更高效准确的进行大坝变形监测。研究成果为大坝变形监测的理论和实践研究提供参考。     

基于ABC-SVM的土石坝变形监测模型

针对土石坝变形具有较强的非线性特征,传统统计模型预测精度不高,误差较大的问题。引入支持向量机模型(SVM),并采用人工蜂群算法(ABC)对支持向量机的关键参数惩罚因子C和核函数参数σ进行寻优,提高模型的拟合和预测精度,建立ABC-SVM模型应用于土石坝变形监测。实例验证分析表明:与传统多元回归模型和SVM模型相比,ABC-SVM模型预测精度高、泛化能力强。利用ABC-SVM模型对土石坝变形进行预测效果良好,可在大坝安全监测领域推广应用。     

基于DPSO-ANFIS的大坝变形预测模型

变形预测模型是大坝结构安全性态分析的关键技术支撑。针对现有大坝变形预测模型在精确度、泛化性等方面的不足,将自适应模糊神经网络引入到大坝变形预测模型中,利用动态权重粒子群算法对自适应模糊神经网络中模糊层的适应度值进行参数寻优,形成可以寻找最优适应度值的自适应模糊神经网络,进而建立基于DPSO-ANFIS的大坝变形预测模型。根据大坝原型监测数据,代入训练好的模型得到输出值,并将其与实际监测数据进行对比分析。工程实例应用表明,基于DPSO-ANFIS的大坝变形预测模型输出值与实测值偏差最大为0.0516 mm,均方根误差为0.0351 mm,平均绝对误差为0.0320 mm,各项指标精度均优于基于PSO-ANFIS、ANFIS和BP神经网络的大坝变形预测模型。针对不同位置测点、预测时间段,基于DPSO-ANFIS的大坝变形预测模型输出值接近实测值,预测趋势符合真实值走向,整体预测性能稳定。该模型具有较高的精确度、良好的泛化性与可靠的稳定性,工程实用综合性能较优。     

灰色模型改进的大坝变形分形几何监控模型

为了对大坝安全进行准确监控,利用分形几何理论预测大坝变形。针对一般常维分形分布不能很好分析大坝变形数据的问题,对监测数据进行N阶累计和变换,对变换后的数据利用分段变维分形模型计算各阶变形维数序列,再选择效果较好分形维数已知序列预测未知分形维数,最后反推大坝变形预测数据。针对传统变维分形预测模型分形维数预测方法的不确定性和所需监测数据量大的缺点,利用灰色模型预测分形维数,建立改进的大坝分形几何监控模型。结合工程实例,对比插值法预测分形参数的传统分形几何预测模型和灰色模型改进后的预测模型之间的预测精度,结果表明,改进分形模型不仅在预测精度上有所提高,而且更具稳定性和抗波动性。     

丹江口加高工程大坝变形监测总体设计

丹江口大坝加高工程是南水北调中线的水源工程,系在已建成的大坝基础上进行加高施工.初期工程原有监测设施已运行几十年,许多设施已老化,且大坝加高部分需增设一些监测设施进行变形监测.介绍了大坝变形监测网的组成和设置,以及混凝土坝、电站厂房、垂直升船机、土石坝监测系统的具体方案设计,本系统利用和改造了原有大坝的监测系统,并在加高部分布置新的监测设施,从而形成新的丹江口大坝变形监测系统.     

灰色模型在大坝变形监测与预报中的应用

建立有效实用的大坝变形监测模型,对于大坝运行意义重大。目前国内外常用统计模型和确定性模型来预报大坝变形,但精度普遍不高。作者提出一种基于不确定性模型的非等间隔灰色模型对大坝变形进行监测预报。预报过程建立在数学基础上,而且预报结果的精度能够满足工程需要。