基于主成分回归的大坝渗流

应用主成分回归分析方法对新疆希尼尔水库大坝某断面的渗透压力预测进行分析研究。利用SPSS13.0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,并对该大坝渗透压力进行预报。对影响大坝渗透压力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。     

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。     

主成分回归在径流预测中的应用

采取主成分回归方法对具有多重共线性的湘江流域43 a径流资料进行了分析,以实测径流量、降水量和蒸发量等7个指标进行了样本预测。结果表明:主成分回归比多元线性回归的误差小,预测值更接近于实测值。     

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。     

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。     

BP模型在大坝安全监测预报中的应用

如何正确地预报大坝安全监测量，对馈控大坝安全运行和辅助决策具有重要的意义。文章提出应用神经网络的ＢＰ模型进行大坝安全监测数据的预报，并针对某一混凝土重力坝的水平位移实际测值构建了ＢＰ模型，其预报精度较以往统计模型有较大的提高。     

主成分回归分析在确定大坝效应量分量中的应用

大坝资料分析表明,水位、温度和时效等因素决定了坝体结构中各种效应量的发展变化情况。对某些具体问题进行研究或定量分析评价大坝的运行状态时,需要用到各分量的具体数值,通常这些分量是组合在一起的,很难得到其准确可靠的分量比例,特别是温度和水位,它们具有较高的相关性。而主成分分析方法可将原大量相关性较高的自变量转化为少数不相关的指标,从而为效应量的分离提供可靠的方法。将这种方法应用于一工程,结果验证了该方法实用、有效。     

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。     

递阶偏最小二乘回归在大坝安全监测中的应用

偏最小二乘回归能有效地消除因子间的多重相关性,但从其算法特点和实际应用来看,也存在不足.例如,在算法方面,偏最小二乘提取的主成分不一定能同时保证方差和相关程度最大;在应用方面,含有较多自变量的偏最小二乘回归模型的可解释性不高.递阶偏最小二乘回归是偏最小二乘回归后续研究的成果之一,在一定程度上克服了上述不足.算例表明,递阶偏最小二乘回归模型较其他回归模型的可解释性强,较为合理.     

主成分回归在需水预测中的应用

城市需水量的准确预测对区域的发展具有十分重要的意义。城市需水受多重因素的影响,且这些因素大多存在较强的相关性。通过主成分分析法的计算分析,以金华市为例,采用2000-2010年的城市用水资料建立回归模型对需水量进行预测。结果表明:该模型应用于城市用水预测,其结果与当地实际情况较为吻合,模型的拟合程度和预测准确度较好。     

基于主成分的大坝监测资料时变预测模型

由于内外各种因素的影响,大坝安全监控参数会随时间而变化,而常规监控模型常常采用非时变的参数。基于主成分分析,利用缩减后的主成分荷载建立了时变预测模型。实例表明,该模型可以减少计算时间,有效削弱因子多重相关性的影响,提高大坝监测效应量的预测水平。     

大坝安全监控的门限回归预测模型及其应用

 大坝监测效应量在工作过程中受内部和外部因素的 共同作用,经常出现跳跃、渐变、再跳跃等复杂周期变化,表现出高度的非线性,为建立常规的大坝安全监控预测模型带来了不少麻烦。借鉴门限自回归模型的门限思想,在常规回归模型中引入门限因子和门限值,利用提出的最佳拟合相关分析法确定门限因子和门限值,建立了门限回归模型。计算实例表明该方法用于大坝安全监控预测可以取得满意的效果。     

D—S证据理论在大坝安全监控中的应用

大坝安全监测系统复杂,各个指标之间存在着不确定性。D—S证据理论作为一种数学工具,在不确定性的表达、组合等方面的优势受到重视。提出一种信息融合D—S证据理论方法应用于大坝安全监控中,以提高大坝安全评价的准确性。并以青铜峡水利枢纽的监测数据为例进行了实例分析,结果表明D—S证据理论是一种科学的安全评价方法,是可行的,有效的。     

偏最小二乘回归在大坝位移监控中的应用

大坝位移监控模型各影响因子之间往往存在着多重相关性,给回归建模分析带来许多负面影响,采用偏最小二乘回归(PLSR)建模分析可以很好地解决这个问题.文中在简述PLSR原理的基础上,结合工程实测数据,建立了大坝位移监控的PLSR模型和逐步回归模型,并对两者进行比较分析,取得了较合理的结果.     

大坝安全监测专家系统的理论及其应用

简述近年来开发的由推理机、知识库、方法库、数据库、图表库等组成的大坝安全专家系统的各部分内容和功能。重点阐述了知识库的组成、表示及其应用。对其余各库及推理机作了扼要总结，文末介绍该系统在工程中的应用情况，从反馈信息及结果可知，该系统能较好地实现大坝安全评判这种复杂的工程问题的求解，从本质上区别于信息管理和分析系统     

基于可视化和组件技术的大坝安全监控系统软件研究

系统软件在逻辑上采用B／S与C／S集成的混合式3层结构，通过组件技术并以可视化为主线实现了对大坝安全监测数据的深度挖掘，通过知识表达和解释模块为用户提供判断大坝安全状况的依据．系统具有高度的可视化功能，突出人性化的界面风格，组件技术的应用增强了系统的结构化功能，大幅度提高了工作效率．     

主成分回归在城市用水量预测中的应用

运用多元统计分析中的主成分分析法通过提取两个主成分,克服变量之间的相关性,然后再进行回归,建立主成分回归的城市用水量模型,并对模型进行了拟合检验,取得了较为满意的结果。     

振弦式传感器在大坝安全监测中的应用

振弦式传感器具有精度高,体积小等优点,广泛用于大坝安全监测。系统介绍了振弦式传感器的原理、优点,以及在渗漏、裂缝、岩性变形、沉降监测等方面的应用,通过具体工程实例介绍,说明了目前振弦式仪器产品的种类几乎可以满足大多数工程的需要。