ARMA模型在锚碇基坑变形预测中的应用

本文在详细介绍时间序列预测原理、基本模型及预测步骤的基础上,选取新田长江大桥锚碇基坑工程施工过程中的基坑位移和危岩裂缝变形实测数据,运用时间序列法建立自回归滑动平均模型(ARMA),对施工过程中的基坑位移和危岩裂缝变形趋势进行预测,并将模型预测数据与实际监测数据进行对比。结果表明:ARMA模型可以通过差分算法很好地解决数据不稳定性问题,在预测周期较短时预测精度较高;随着预测周期的增加,ARMA模型的预测精度有所降低,其原因是由于随着预报步长的增加,预报所依赖的历史数据在减少;在建立ARMA模型时,定期加入新的数据,可以避免预测周期过长导致预测精度降低。本文的研究成果可以为今后类似工程的监测预报研究参考依据。     

双校正模式下的大清河流域陆气耦合洪水预报研究

基于数值大气模式WRF、三维变分数据同化WRF-3DVar、河北雨洪模型以及实时校正模型ARMA,在北方半湿润半干旱地区的大清河流域构建了陆气耦合洪水预报系统,并利用2012、2013年发生的3场降雨洪水,对系统的降雨洪水预报结果进行分析。结果表明:雷达反射率与GTS数据的同时同化,可有效改善数值大气模式对中小尺度流域的降雨预报效果,从而降低系统的洪水预报误差,ARMA模型的应用,能够进一步提升系统的洪水预报精度,随着预见期的延长,系统的预报精度下降,但系统在6h预见期内仍表现出较好的应用效果。因此,在数据同化和实时校正的"双校正"模式下,陆气耦合洪水预报系统在延长洪水预报预见期的同时,具有较高的洪水预报精度,具有一定的应用前景。     

人工神经网络方法在径流预报中的应用

采用ＢＰ神经网络模型,以西北内陆河黑河流莺峡年平均出山地表流量为研究对象,对人工神经网络研究方法在干旱区环流径流预报中的应用进行了初步尝试,结果表明该预报成功率较高,证实了人工神经网络方法应用于流量预报领域的可行性,并分析了该方法在预报过程中的优缺性。     

感潮河段水位过程预报探讨

感潮河段水位过程同时受径流、潮流影响,其预报较为困难.将水位过程视为时间序列,用不同的模型进行了预报比较,认为以潮汐作用为主的水位预报可采用神经网络模型,对高水位预报可采用ARMA(2,1)模型,而对洪水作用为主的河道,各模型的预报能力均有待提高     

水文预报及信息显示系统开发研究

介绍了SMAR(Soil Moisture Accounding and Routing)模型及其改进--分布式任意时段长模型。简要讨论了参数优化,河道汇流演算方法、实时预报及校正理论等。介绍了水文预报及信息显示系统的组成、功能、特点和环境要求及该系统在长江三峡区间洪水预报中的应用。     

门限回归预报模型在秋汛预报调度中的可行性分析

根据黄龙滩水电站秋汛前后的来水规律，结合该电站的调度特性，应用门限回归预报模型，对该电站地预报调度的可行性进行了综合分析和初步探讨。     

基于分布式水文模型的中小河流洪水预报技术

中小河流大多位于资料短缺的山丘区,洪水具有突发性强、汇流时间快、预见期短以及分布广的特点。中小河流洪水预报首要目的和任务是预警预报,预报方式应以自动预报为主,以实现及时预警,最大程度地避免人员伤亡,减轻灾害损失。本文分析了中小河流洪水预报的特点与难点,提出了中小河流洪水预报的思路及实用预报模型与方法,开展了基于分布式水文模型的中小河流洪水预报技术在新安江上游屯溪流域预警预报中的应用研究,以期为当前所开展的全国中小河流洪水预警预报系统建设提供参考。研究表明:分布式水文模型是资料短缺地区中小河流洪水预报的有效方法,基于分布式水文模型的洪水预报技术能够满足中小河流洪水自动预警预报的生产需要。     

长江中游洞庭湖防洪系统水流模拟——Ⅱ．模型实现和率定检验

在长江中游洞庭湖防洪系统水流模拟模型的建模思路和基本算法的基础上,侧重讨论建模过程中遇到的内、外边界条件的特殊处理、洪水实时预报校正模型的应用、资料处理和模型数据的拟定等重要环节,强调了有关处理及其与模型基本算法的磨合在复杂水流模型中的重要作用.采用80年代两场实测洪水对所建模型进行了率定和检验.结果表明,所建模型清晰地重现了长江中游--洞庭湖区的洪水动态演进过程,得到了总体趋势合理的水位分布和流速或流量分布;模拟的控制站水位、流量过程与实况比较,峰谷完全对应,过程吻合良好,精度满足防洪预报和分析的要求,能够较好地模拟洪水波在这样复杂水系中的水流特征.     

人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

新疆玛纳斯河流域洪水预报研究

在充分考虑了融雪径流型河流自身特点的基础上,将自回归滑动平均模型ARMA(p,q),概化为ARMA(p,1),并运用最小信息(AIC)准则,确定模型的最佳阶数p,运用修正的可变遗忘因子递推最小二乘法,进行参数的动态修正,达到了最佳参数的跟踪效果.通过在玛纳斯河流域应用,表明该模型具有较高的预报精度,其确定性系数均达到了0.90以上,径流总量相对误差控制在7%以下,洪峰流量相对误差<10%,峰现时差≤2.     

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。     

大坝安全诊断的混沌优化神经网络模型

为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位移观测数据全局动力特性,兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中,由多个度量指标组成量化评价体系,对模型预测性能进行综合评价,结果表明,所建模型比传统BP神经网络和ARMA模型具有更高的预测精度。     

大坝变形预测的ANFIS模型

大坝变形预报时,存在影响因素多且各因素之间的相互关系复杂,常规的变形预测方法难以满足大坝安全监控的要求。自适应神经模糊系统(ANFIS)兼备神经网络的自学习、自适应能力,以及模糊系统良好的知识表达性能。在系统分析大坝变形主要影响因素的基础上,以水库库水位、温度及时间效应为影响因子,建立基于自适应模糊神经系统的大坝变形预测模型,并以三峡二期围堰为例进行实证分析。研究表明,该模型计算简便,适用性强,精度高,为大坝变形预报提供了新的思路。     

边坡变形及失稳的变权重组合预测模型

边坡变形和失稳受本身地质条件和外部环境等多方面因素的影响,由于这些因素的复杂性、多样性及其变化的随机性导致不同的边坡的位移和变形趋势有可能存在较大的差异。在分析总结边坡变形规律的基础上,针对边坡的典型位移-历时曲线需经历初始变形、稳定变形和加速变形3个阶段,呈反“S”型的特点,根据边坡位移的实测时间序列资料建立边坡变形的成长曲线反函数变权重组合的时变预测模型。通过与工程实例的对比分析表明,各单项预测方法是基于已知样本的固定模型,能大致反映边坡变形的发展趋势,但仍存在较大误差,而所提出的方法能充分考虑不同模型的优点,有较高的精度,适用于实际工程中边坡的变形预测及失稳的预警。     

考虑时变影响的拱坝坝肩空间变形场预测

坝肩变形是拱坝坝肩稳定状态的综合反映,在运行期呈小变形变化,监测点测值在空间上具有连续性,同时影响拱坝坝肩变形的各种因素具有时变性。通过融合统计回归和多层递阶方法的特点,建立了反映变形场空间和时变特性的空间时变分析模型。实例分析表明,该模型实用有效,预测精度高。考虑时变影响可以提高拱坝坝肩空间变形场的预测能力,对监控拱坝坝肩的实际工作状况有重要意义。     

岩体变形监测时序分析与动态建模

基于时序ARMA模型, 分析了岩体变形监测数据的动态建模及其预测的基本方法, 并用ARMA模型对板岩山危岩体监测数据进行建模及预测, 取得了较好的效果。     

地震作用下高堆尾矿坝永久变形与稳定性分析

综合采用时程分析法、整体变形分析法（等效节点力法和软化模量法）、极限平衡法等方法,以小打鹅尾矿库为例,分析了该高堆尾矿坝的永久变形和动力稳定性。分析了干滩面长度、尾矿堆积坝高度、设计地震加速度等影响因素对尾矿坝的安全系数和永久变形的影响,以及地震作用下尾矿坝安全系数的时程变化规律。结果表明：尾矿坝的地震永久变形与一般土石坝的存在差异,其水平方向的永久变形大于竖直方向的永久变形,且永久变形与坝高不一定呈单调递增关系;地震中尾矿坝的最小安全系数与各影响因素大体呈线性关系,而坝顶处的震陷与各影响因素之间呈非线性关系;地震过程中尾矿坝瞬时安全系数具有波动降低的特点,为此,完善了地震作用下尾矿坝最小平均安全系数的计算方法。该研究表明小打鹅尾矿库坝体的抗震性能能够满足相应抗震设防要求。     

基于堆石坝竣工期沉降观测数据的材料非线性本构模型参数反演

为了高效和准确地确定堆石料的非线性本构模型参数,提出了基于响应面方法的参数反演方法。采用有限元方法数值模拟了堆石坝的分层填筑过程。建立了堆石坝变形观测点沉降的响应面函数,确定了多项式响应面函数的系数。根据堆石坝竣工期变形观测数据和确定的响应面函数,采用优化方法反演确定了堆石料本构模型参数。工程实际应用结果表明,该方法具有较高的计算效率,预测的堆石坝沉降变形与现场观测值吻合较好。     

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。