MLR-Legendre多项式模型在混凝土坝裂缝开度预测中的应用

在混凝土坝裂缝开度预测中得到了广泛应用的统计回归模型仍存在不足。首先,对小容量样本的观测时间序列难以建立有效的统计回归模型;其次,预测模型未能考虑残差项,而残差项包含了裂缝发展演变的海量信息,为了准确预测裂缝开度还须在预测模型中纳入残差项。同时,统计回归模型的残差序列中存在混沌成分,残差项受到某种动力特性支配,故基于混沌理论对残差项进行推求,建立了统计与混沌混合预测模型。采用基于Legendre多项式的RLS(递推最小二乘法)自适应预测算法,提出了针对小容量样本观测数据时间序列的实时预测模型以及针对大容量样本观测数据时间序列的统计回归-Legendre多项式残差预测模型。最后,结合陈村重力拱坝在105 m高程的裂缝开度实测数据,对裂缝开度实时预测模型以及统计回归-Legendre多项式组合模型分别进行了检验,结果表明模型具有良好的预测精度,可为工程的安全运行管理工作提供一定的技术支持。     

基于多维灰色预测的堤坝安全监测模型

传统的水工混凝土结构裂缝安全监测模型只考虑水压、温度和时间等因素,不考虑裂缝自身的参数。根据断裂力学原理,针对裂纹深度和初始开合度,分析裂缝张开位移(COD)的影响因素。由于裂缝的深度和初始开合度不易检测和测量,存在多个相互影响和关联的变量,采用多维灰色预测模型(MGM),建立裂缝的异常诊断模型,对裂缝的突变和渐变进行预测,从而建立改进的安全监测模型。     

大坝变形监测统计模型与混沌优化ELM组合模型

变形是反映大坝动态演化的重要效应量。为了提升统计模型预测能力,借助极限学习机(ELM)处理非线性问题的优势,对大坝位移的统计模型残差进行数据挖掘。而极限学习机欠缺对混沌动力特性的考虑,为了解决这个问题,采用混沌理论对统计模型残差进行了混沌动力学特性分析,揭示其混沌特性,并据此重构相空间,从而为混沌优化极限学习机提供先验知识。基于统计模型,结合极限学习机和混沌理论的优点,建立统计模型与混沌优化ELM的组合模型。将该组合模型应用于工程实例,由多个定量评估指标对模型进行性能评价,结果表明,组合模型建模合理,预测精度高于统计模型、统计模型与混沌优化BP神经网络组成的组合模型,在大坝变形监测中具有一定的应用价值。     

基于统计和混沌优化BP神经网络融合模型的大坝变形预测分析

变形是大坝结构性态动态演化的重要效应量,对其准确预报是保障大坝安全运行的基础。针对大坝变形监测数据序列中存在的混沌现象,采用混沌相关理论对统计模型中的残差序列进行混沌动力学特性分析,揭示其混沌特性并进行相空间重构。同时,利用BP神经网络处理非线性问题具有的优点,建立统计和混沌优化BP神经网络融合预测模型,将其用于工程实例。工程实例表明,该模型精度高于传统统计模型,在大坝变形安全监控中具有一定的应用价值。     

混凝土裂缝开度混合预测模型

分析了传统统计预测模型的不足,研究了统计与混沌混合预测模型建模的一般原理,提出了一种混凝土坝裂缝开度的统计与混沌混合预测模型,利用紧支柱径向基函数对该模型进行了实现,结合实例对这种混合预测模型进行了检验,实例分析表明,该模型预测精度较高,具有一定实用性.     

地下水位时间序列的混沌特征分析

将重构相空间理论和加权一阶局域预测模型应用于地下水位时间序列的预测,结果表明:①将重构相空间理论用于一维水文时间序列预测建模,能较好地反映该序列内在的运动机理,揭示水文动力系统复杂的运动规律和演化过程;②应该考虑将混沌理论与其他非线性动力系统的相关理论进行结合来预测地下水位;③模型预测精度较高并具有广泛的实用价值,为进一步研究提供了一个新的思路。     

支持向量机的混沌序列预测模型及在径流中应用

混沌和支持向量机理论为研究复杂多变的非线性水文时间序列开辟了新的途径。给出了应用支持向量机回归原理的混沌时间序列非线性的预测建模的思路、特点及关键参数的选取。根据重构相空间理论对月径流过程进行相空间的重构,探讨了支持向量机混沌时间序列非线性预测模型在月径流预测中的应用,在支持向量机建模过程中引入了经向基核函数,简化了非线性问题的求解过程。实例表明,该模型能较好地处理复杂的水文数据序列,且有较好的预测精度。     

长江上游径流混沌动力特性及其集成预测研究

针对长江上游干流主要站点月径流时间序列强非线性和非平稳特征,引入混沌理论和AdaBoost.RT集成极限学习机方法对其月径流时间序列进行分析和预测。首先,以流域径流非线性动力系统混沌特征参数辨识为切入点,研究并发现了流域内在特性作用下月径流时间序列动力响应的混沌现象,推求了月径流时间序列相空间重构的延迟时间和最佳嵌入维数,在此基础上,以重构相空间时间序列作为输入变量,引入基于自适应动态阈值的改进AdaBoost.RT算法改进极限学习机模型的学习性能,得到最佳的混沌集成学习月径流时间序列预测模型。实例研究结果表明,所提方法和模型能够显著提高单一极限学习机模型的泛化性和稳定性,从而获得更优越的预报性能。     

ABC-RBF神经网络在平板坝裂缝开合度监测中的应用

为提高混凝土平板坝裂缝开合度预测精度,针对混凝土平板坝裂缝开合度监测序列呈非线性以及周期性变化的特点,将基于EMD分解优化的ABC-RBF神经网络模型应用于混凝土平板坝裂缝开合度安全监测中,对比分析普通RBF和ABC-RBF神经网络模型。结果表明,ABC-RBF神经网络模型预测误差相对较小,可用于分析混凝土平板坝裂缝开合度的安全监测。     

基于混沌时间序列的大坝变形短期预测

将混沌时间序列预测理论应用到大坝变形预测中，根据非线性大坝变形时间序列，运用相空间重构理论，建立了加权一阶局域法、基于最大Lyapunov指数法大坝预测模型，对混沌的大坝变形数据短期预测模型进行了研究，对比分析了各自的特点，并结合实例完成了对大坝变形的预测。计算分析表明，该模型预测误差较小，与传统的自回归模型预测结果相比，基于混沌时间序列的预测方法在大坝变形的短期预测中具有更高的精度。     

改进温度分量的拱坝变形时空分布模型

通过对混凝土拱坝变形滞后特性的研究,分析了温度效应对坝体位移影响规律,并引入瑞利分布函数建立了改进温度分量的拱坝变形监控统计模型。再通过引入空间坐标,考虑变形值在空间的连续性,建立了改进温度分量的拱坝时空分布模型。由于所建立的监控模型因子较多,因此应用粒子群算法和逐步回归分析法进行参数寻优。最后将所建立的拱坝变形时空分布模型应用于某拱坝变形监控中,结果显示:影响因子的个数减少,复相关系数及剩余标准差均优于传统模型,所建立的模型较传统大坝变形监控模型精度更高、拟合效果更好。     

基于速度与加速度准则的泄水闸裂缝工作性态诊断

裂缝实测资料综合反映了现场复杂因素对水工混凝土结构宏观裂缝性态的影响,考虑时效分量是评价裂缝工作性态的重要依据,可基于速度与加速度准则对裂缝工作性态进行诊断。结合王甫洲水利工程泄水闸实际情况,选取水工混凝土结构裂缝典型位置安装裂缝计组,监测获得经历不利荷载工况下的裂缝实测资料,建立反映温度非线性效应的裂缝统计模型,分离获得时效分量,采用速度与加速度准则对时效分量进行诊断。裂缝实测资料的应用分析表明,考虑温度非线性效应的裂缝统计模型拟合效果较好,虽然王甫洲水利工程泄水闸检修门库裂缝部分测点时效分量表现不收敛,但均趋于闭合,由此诊断该泄水闸裂缝目前处于稳定状态。该方法能简便且可靠地反映裂缝的时变规律,可为水工混凝土结构的裂缝工作性态诊断提供参考。     

高桩码头裂缝开合度监测模型研究

安全监测是确保水利工程安全运行的重要措施,监测模型是安全监测分析的重要工具,在水库大坝中应用广泛,然而相关理论和研究在港口码头方面应用较少,鉴于港口码头工作环境及工作性态与水库大坝不同,亟需研究符合码头自身工作特点的安全监测模型。针对高桩码头裂缝效应量和原因量的变化规律,选取温度、风、堆荷和时效分量为高桩码头裂缝的主要影响因素,探讨了相应的因子表达形式;在此基础上,建立了高桩码头裂缝开合度监测的统计模型和最小二乘支持向量机模型,研究了模型评价方法,对监测序列进行拟合和预测,验证了模型的有效性和合理性。结果表明,所建立的高桩码头裂缝开合度模型具有较高的精度和一定的预测能力,可为分析高桩码头裂缝监测资料,以及监控高桩码头安全提供科学依据。     

高拱坝混凝土一期控温阶段温度变化动态预测方法

为了能够提前获知一期控温阶段混凝土短期内温度变化趋势,及时采取相应温控措施,防止温度裂缝产生,以高拱坝施工期浇筑仓混凝土为研究对象,分析初始温度、通水冷却、绝热温升、环境气温及层面散热等因素对浇筑仓混凝土温度的综合影响,建立适时动态更新初温的高拱坝混凝土一期控温阶段温度变化动态预测模型.同时,考虑不同浇筑仓混凝土的差异...     

五强溪船闸裂缝稳定性非线性模型分析

本文通过多非线性优化方法,对五强溪船闸的裂缝开度监测资料进行统计分析,着重讨论了水位和温度效应对船闸开度的影响机理,并且建立了开度的统计模型,通过非线性拟合的方法分离了水位效应和温度效应对开度的影响度,明确了运行水位是影响船闸开度的首要因素,且温度变化也会影响缝开度变化,进而影响水压作用效果。最后结合对监测资料的分析,指出五强溪船闸在EL.108 m水位以下运行是安全的,但应加强观测,一旦观测结果出现异常或趋势发生变化,应限制运行,进行分析并考虑加固。     

基于小波EGM-ISFLA-SVR的大坝变形组合预测模型

为了提高大坝变形监控模型的预测能力,充分挖掘变形实测数据并及时了解大坝的运行性态,提出了一种基于小波EGM-ISFLA-SVR的大坝变形组合预测模型。该模型首先应用小波分析进行去噪,提取变形监测序列的时效分量以及由水压、温度分量组成的综合效应分量。然后,分别运用均值GM(1,1)模型和基于改进的混合蛙跳算法的支持回归机模型对两种序列进行建模和预测。最后,经小波重构得到组合模型。通过工程实例对模型效果加以检验,采用多项指标分别与传统统计模型的拟合精度和预测精度进行对比。结果显示,该模型拟合时具有比统计模型更大的复相关系数和更小的均方差;预测时均方差、平均绝对百分比误差和平均绝对误差均小于统计模型,表明该模型具有更高的拟合和预测精度和更强的泛化能力。     

An information-based rough set approach to critical engineering factor identification

In order to analyze the main critical engineering factors, an information-based rough set approach that considers conditional information entropy as a measurement of information has been developed. An algorithm for continuous attribute discretization based on conditional information entropy and an algorithm for rule extraction considering the supports of rules are proposed. The initial decision system is established by collecting enough monitoring data. Then, the continuous attributes are discretized, and the condition attributes are reduced. Finally, the rules that indicate the action law of the main factors are extracted and the results are explained. By applying this approach to a crack in an arch gravity dam, it can be concluded that the water level and the temperature are the main factors affecting the crack opening, and there is a negative correlation between the crack opening and the temperature. This conclusion corresponds with the observation that cracks in most concrete dams are influenced mainly by water level and temperature, and the influence of temperature is more evident.