指数趋势模型在斜坡变形位移预测中的应用

应用斜坡变形破坏预测的一种新方法--指数趋势模型,预测了链子崖危岩体GA监测点的位移量。首先,把非线性的指数趋势模型经线性化处理后,用线性最小二乘法对待定参数作出估计, 然后,得出指数趋势模型,并对危岩体位移量进行了预测,其预测结果与实际位移值误差很小,说明该方法可用于斜坡变形破坏的预测预报。最后,还对预测值的区间和区间长度作出了预测。     

指数平滑技术在斜坡位移预测中的应用

应用趋势型数据指数平滑模型预测了链子崖危岩体监测点GA的位移量.根据其观测数据呈线性趋势的特点,选取趋势型二次指数平滑的线性预测公式和合适的平滑常数值进行了计算预测.预测结果表明位移预测值与实际观测值之间的误差很小,说明该模型可很好地应用于斜坡变形位移的预测.     

基于AR(1)模型的卡尔曼滤波法在危岩体变形分析中的应用

将AR(1)模型的模型参数作为状态向量,用卡尔曼滤波法进行危岩体变形分析.实例计算表明,这种方法能够提高AR(1)模型的拟合精度和预报精度.     

基于ARMA模型的隧道位移时间序列分析

在新奥法隧道施工中,隧道位移监测对于评价围岩稳定性和支护结构合理性起重要作用。目前大都采用AR模型对隧道位移进行时间序列分析,避开了非线性估计,致使拟合精度和模型实用性较差。为此,介绍了具有较高预测精度和较好适用条件的ARMA模型及其常用参数估计方法,基于其参数非线性估计带来的不便性,提出一种ARMA模型参数估计近似线性方法,把残差用Taylor级数一阶展开,将非线性估计线性化,用线性最小二乘法估计参数最终值。用该方法对重庆市大足县南环二路南山隧道位移监测数据进行时间序列建模分析,预测与实测值吻合较好,证明了该方法的实用性。     

灰色新陈代谢GM(1,1)模型在滑坡变形预测中的应用

由于常规GM(1,1)模型用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测精度就越弱。针对常规GM(1,1)模型存在的不足,文章建立了灰色新陈代谢GM(1,1)滑坡预测模型,并利用该模型对向加坡滑坡和链子崖危岩体GA监测点位移变形进行了预测。结果表明,灰色新陈代谢GM(1,1)模型精度较高,预测误差较小,有很好的利用价值。     

重庆巫山县望霞危岩体破坏及变形失稳预测

望霞危岩历史上多次发生山体崩滑变形破坏,最近两次大的危岩变形破坏都发生在雨季过后的10月份。鉴于此从危岩体区域地质背景、降雨、岩体结构等几个方面分别论述了产生崩塌灾害的原因,同时根据危岩体各段的变形特征及监测资料分析。认为,望霞危岩体的产生和发展,主要受控于特殊的地质构造环境和临空的高陡边坡条件,在持续性降雨的诱发下使危岩体多次失稳。结合2010年10月21号灾变后的监测数据,该危岩体总体变形趋势持续增大,还可能再次发生破坏,为此作者采用指数平滑法预测模型,以危岩的变形值和变形速率为判据,对危岩再次失稳时间进行动态跟踪预报,根据危岩的实际情况,对部分监测点位移进行了试验性及验证性的建模和预测,取得了较高的预测精度。对该危岩体的防治施工及确保长江航运安全具有重要的意义。     

链子岸危岩体北区变形特征与整治探讨

根据系统的位移观测资料，本文分析了链子岩危岩体北区平面位移方向，水平和垂直位移速率特征和机理，进而探讨了危岩体所处变形阶段，预测了未来的平面位移趋向和危岩体破坏型式。在此基础上，对危岩体整治工程措施和预应力锚索工程设计进行了探讨。     

基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测

三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机（extreme learing machine,ELM）的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机（PSO-SVM）模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.      

危岩裂缝扩展研究及捆绑法在危岩边坡治理中的应用

文章以某滑塌式危岩体为例建立了危岩体的有限元计算模型,分析了影响危岩体稳定性的因素,讨论了危岩体开裂深度对危岩体稳定性的影响及危岩裂缝开展的破坏演化机制,并结合规范采用理正软件对本文提出的捆绑法治理滑塌式危岩体的可行性进行了验证。稳定性分析的结果表明:采用捆绑法治理后,危岩体在自然工况、暴雨工况和地震工况下的稳定性系数都能保证危岩体处于稳定状态,为危岩体的防治提供了一种新的思路。     

三峡库区望霞危岩体变形破坏过程的综合监测与险情预报

三峡库区巫山县望霞危岩体于2010年及2011年两次发生大面积变形破坏,采用全站仪、裂缝位移、GPS等方法对危岩体进行了长期的变形监测,并通过地质基础的调查、监测方案的设计、监测数据的处理、宏观现象的分析,两次成功地对危岩体的垮塌变形实现了预警预报,避免了重大伤亡。研究结果显示,危岩体具有渐变和突变两种类型,在不同的变形阶段应采用相应的监测方法和监测频率,应以地质调查为基础,以监测危岩体关键部位为原则,监测数据的分析要密切结合宏观现象,从后缘、崖壁、崖底全面把握危岩体变形趋势。提出危岩体的监测应做到"详调查、细部署、观现象、握趋势、准预报"5原则,即"望霞经验"。"望霞经验"可以为危岩体的监测工作提供参考。     

等权平均组合预测在斜坡变形位移中的应用

单一预测模型仅能体现系统的局部,其预测精度较差。为此,研究了组合预测方法在斜坡变形位移中的应用,它将各种预测方法进行适当的组合,综合利用各种预测方法所提供的有用信息进行预测。首先建立5种单一预测模型分别进行了预测,然后把各个预测模型的预测结果等权平均进行组合预测。并通过对链子崖危岩体监测点 位移值的预测,预测结果表明其绝对误差较低,精度较高,大大地提高了预测的精度和稳健性。     

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机（PSO-LSSVM）和自回归移动平均模型（ARMA）的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列--趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。     

新安江模型参数的线性化率定

为了解决一般概念性水文模型参数率定结果不稳定的问题,以新安江模型为例,提出了新安江模型日模参数的线性化率定方法。首先通过理想模型将该方法与SCE-UA方法及单纯形方法进行对比研究。率定结果中3种算法所获得的平均目标函数值分别为0.02、0.10、8.39 m³/s,平均循环次数分别为8、637、327,而且由线性化率定方法所获得的各参数值方差也要比其他2种方法小得多;说明线性化率定方法能够找到参数真值,计算精度和效率更高,率定结果更稳定。然后采用建阳和长滩河2个流域的实测资料对该方法进行应用检验,结果表明,同样可以较快地率定出稳定的模型参数优值。建阳流域的10组率定结果的目标函数值皆为100.35 m³/s,循环次数也皆在8次以内,而且2个流域检验期的径流深相对误差皆在9.68%以内,确定性系数皆在0.819以上。因此,线性化参数率定方法确实能够解决非线性模型参数率定结果不稳定的问题,不会产生不相关的局部参数优值,并且不受参数初值影响,计算精度高,循环次数少,是一种可行有效的全局优值参数优选方法。     

灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用

由于深埋隧道围岩的变形受到构造、应力场、地下水、开挖方式等复杂因素的综合影响,具有位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将隧道围岩位移量分解成具有确定性的趋势项和具有不确定性的随机项。建立灰色–进化神经网络模型对趋势项和随机项进行预测,既结合GM（1,1）模型较好预测序列增长趋势的特点,又结合神经网络利用自适应实现网络总体误差最小的特点,进而解决了单一利用GM（1,1）模型时预测值的随机偏离量较大的问题,保证了预测的精度。将该模型应用于基于实测位移资料的堡镇隧道围岩水平收敛位移短期预测,较好地揭示了隧道围岩收敛位移演化的规律,为合理选取二次衬砌时机提供了参考。     

黏弹性节理岩体的位移不连续模型研究

选用三参数标准线性固体作为岩石本构,提出了一种考虑岩体黏弹性的位移不连续模型;根据一维黏弹性波的特征线法,推导了节理处质点速度、应力和应变递推公式。首先,基于分离式霍普金森压杆（SHPB）对砂层进行试验,得到其应力-应变关系,并换算出砂层节理的法向刚度;接着,通过一维强间断黏弹性波的波速公式、高频波衰减系数以及任一频率下的衰减系数,确定出数值算法中的三参数。最后,基于自制的摆锤装置,探讨了一维应力波在节理岩体中的传播规律,试验中以两根长1 000 mm、直径为68.50 m的岩杆作为入射和透射杆,以3 mm砂层模拟节理。试验和数值结果吻合度良好,进一步验证了该方法的可靠性。     

A multiresolution ensemble Kalman filter using the wavelet decomposition

We present a method of using classical wavelet-based multiresolution analysis to separate scales in model and observations during data assimilation with the ensemble Kalman filter. In many applications, the underlying physics of a phenomena involve the interaction of features at multiple scales. Blending of observational and model error across scales can result in large forecast inaccuracies since large errors at one scale are interpreted as inexact data at all scales due to the misrepresentation of observational error. Our method uses a partitioning of the range of the observation operator into separate observation scales. This naturally induces a transformation of the observation covariance and we put forward several algorithms to efficiently compute the transformed covariance. Another advantage of our multiresolution ensemble Kalman filter is that scales can be weighted independently to adjust each scale’s affect on the forecast. To demonstrate feasibility, we present applications to a one-dimensional Kuramoto-Sivashinsky (K–S) model with scale-dependent observation noise and an application involving the forecasting of solar photospheric flux. The solar flux application uses the Air Force Data Assimilative Photospheric Transport (ADAPT) model which has model and observation error exhibiting strong scale dependence. Results using our multiresolution ensemble Kalman filter show significant improvement in solar forecast error compared to traditional ensemble Kalman filtering.     

考虑预报偏差的迭代式集合卡尔曼滤波在地下水水流数据同化中的应用

集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）方法已广泛应用于地下水水流和污染物运移模拟相关问题的求解。但前人研究多建立在同化系统预报模型是准确的基础上,忽视了模型概化的不确定性。当模型概化不准确时,将导致预报偏差,可能带来错误的系统估计。因此,文章提出考虑模型预报偏差的迭代式集合卡尔曼滤波（Bias aware Ensemble Kalman Filter with Confirming Option,Bias-CEnKF）方法。以地下水水流数据同化为例,研究模型概化存在不确定条件下,边界条件、初始条件、源汇项概化不准确时新方法的有效性。结果表明,当预报模型概化不准确时,使用标准EnKF方法进行数据同化,可能会导致滤波发散,造成同化失败。Bias-CEnKF方法不仅保留了较好的同化性能,同时减小了参数、变量、偏差项非线性关系带来的不一致性。针对文章中4种情景,Bias-CEnKF同化获得的含水层渗透系数场以及水头场均接近真实场,且预报结果可靠。本研究进一步提升了模型概化不确定时EnKF方法的适用性,为实际野外复杂条件下地下水水流数据同化问题提供了可靠的方法。     

基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测

受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要受外部因素影响。以三峡库区巫山塔坪滑坡为例,考虑长江水位与降雨量影响,采用H-P滤波法从滑坡位移中分解出趋势项及周期项,利用差分自回归滑动平均模型（ARIMA）对趋势项进行平稳处理并计算趋势项预测值,利用向量自回归模型（VAR）计算周期项预测值。趋势项预测值与周期项预测值之和为滑坡位移预测值。与实际监测值及多种方法分析比较,表明综合预测所得结果能较好反映滑坡变形的趋势性和波动性,位移预测效果较好。