利用独立分量回归建立大坝多测点位移模型

将独立分量回归引入大坝多点位移建模,并以五强溪大坝引张线若干测点的水平位移数据进行实验。结果表明,相对于逐步回归,独立分量回归有效解决了多测点回归建模中自变量多重相关性引起的病态问题,可建立稳定合理的回归模型。     

基于振动可视化的机械系统级故障诊断方法

基于振动可视化技术与系统级故障诊断理论,提出复杂机械系统故障诊断方法.对于复杂机械设备的振动信号,通过振动可视化技术补充和完善常规监测手段振动信息,同步反映设备多测点在时间和频率上的变化;利用局域波时频分析法处理不同测点振动信号所包含的特征信息,作为系统级故障诊断模型的输入量.首先以功能简单的运动部件为对象研究可视化技...     

变形监测自由网的动态优化设计

在变形监测中,特别在地震形变监测中往往布设自由网。对没有固定基准的自由网,位移矢量是真实位移的有偏估值,有时精度最高的地方发现变形能力并非最强。因此,在变形监测网设计时应以反映发现变形能力的灵敏度作为主要质量指标。而变形监测网在空间和时间上都是变化的。为此,本文提出了同时顾及灵敏度、变形参数精度、观测费用和可靠性等多种质量准则并顾及地壳运动的动态优化设计模型。     

基于改进Kriging插值模型的城市地面沉降变形趋势面模拟

从建筑物荷载引发地面沉降的机理模型出发,综合考虑建筑物产生的附加应力以及地基土壤压缩性质对沉降量的影响,构建了改进克里金插值模型。通过实际应用证明,使用改进克里金插值模型进行城市地面沉降空间趋势面模拟和计算,能够准确清晰地反映沉降变形的大小和趋势,从而为地面沉降的空间建模与可视化分析、总结建筑物荷载作用下城市地面沉降的变形规律奠定基础。     

基于位移强度概念分析大坝变形规律

为改变以单个监测点为研究对象分析大坝变形规律的方法,提出位移强度概念,并以此作为分类标准,借鉴决策树算法,根据大坝所有监测点的坐标建立模型,计算并分析大坝在某一方向上的整体变形规律。     

BDS/GPS单历元阻尼LAMBDA算法及其在边坡变形监测中的应用效果分析

论述了BDS/GPS双系统组合下的单频单历元阻尼LAMBDA算法原理,并基于该算法实现一种实时远程变形监测系统。以理县某边坡变形监测应用为例,比较了GPS、BDS及其组合系统下的观测条件和阻尼LAMBDA算法定位效果：BDS的观测卫星数多于GPS,PDOP值相较于GPS也更加稳定;BDS单历元解标准差在N、E、U方向上分别为0.40 cm、0.31 cm、1.00 cm,优于GPS的0.61 cm、0.40 cm、1.74 cm。长期实验结果表明,在我国南部边坡监测中,BDS相比GPS具有一定优势。理县边坡23个月内位移量显著,3个监测站平均位移在N、E、U方向上分别达到8.70 cm、43.63 cm、18.03 cm。强降雨是引起土质山体滑坡的主要因素,使用累积降雨量和累积位移量建立线型回归模型,线性相关系数在0.98以上。在边坡监测中,可将实时的位移数据和降雨数据作为滑坡预警的重要依据。     

基于EEMD的大坝变形多步预测方法研究

针对大坝变形具有非线性和非平稳性的特点,提出一种基于集合经验模态分解(EEMD)的大坝变形多步预测新算法。首先从时频分析出发,利用集合经验模态分解将变形时间序列分解成具有不同频率特征的分量;然后采用游程判定法对波动程度相似的分量重构为高、中和低频3个分量;最后对3个分量分别建立相应的多步预测模型,叠加各预测值即为最终预测结果。经算例验证,并与AR模型、BP神经网络和支持向量机的多步预测进行对比分析,同时建立不同预测步长进一步验证。结果表明,该算法预测精度较高,在大坝变形波动剧烈的时段也能保证较好的预测效果,可以应用于大坝变形预测。     

基于变形信息分解的大坝变形趋势判断及预测研究

在分离大坝变形数据信息的基础上,利用重标极差法实现大坝变形趋势判断,然后利用优化极限学习机及混沌理论实现大坝变形预测。重标极差分析表明,大坝变形始终具有正向持续性,但其程度具有减弱趋势。在变形预测过程中,模型参数的递进优化不仅能提高预测精度,还能有效提高其稳定性,预测模型的相对误差均值均小于2%,验证了本文预测思路的有效性。大坝变形趋势判断及预测结果一致性较好,均认为大坝变形仍会进一步增加,但增加幅度相对较小,趋向于稳定发展。     

基于VMD-HPO-BiLSTM的大坝变形预测

引入变分模态分解(VMD)和双向长短期记忆(BiLSTM)神经网络进行大坝变形预测研究。首先采用VMD降低大坝原始数据非线性和非平稳性对预测结果的影响;其次使用猎食者算法(HPO)对BiLSTM进行参数优化,构建基于VMD-HPO-BiLSTM的大坝变形预测模型;最后以某水电站大坝为例,将该模型预测结果与LSTM、BiLSTM和VMD-BiLSTM模型的预测结果进行对比分析。实验结果表明,VMD-HPO-BiLSTM模型的RMSE、MAE和MAPE分别为0.446 mm、0.264 mm、18.593%,均优于其他3种模型,预测精度最高。     

大坝变形的奇异谱分析预测

利用奇异谱分析法对大坝变形数据进行分析,提取趋势和周期分量,分析影响因子与各变形分量的相关性。结果表明,大坝变形主要与水位变化和时效因子有关,温度变化对大坝变形的周期成分贡献最大,其次为水位。另外在准确提取信号的基础上,利用奇异谱分析迭代法对大坝变形进行预测,并与多元回归分析方法和高斯过程模型进行对比,发现其预测精度明显高于后两者。     

基于灰色最小二乘支持向量机的大坝变形预测

提出一种基于灰色最小二乘支持向量机的大坝变形预测新算法。通过对原始大坝序列进行一次累加,弱化序列中随机扰动的影响,增强数据的规律性,进而建立最小二乘支持向量机预测模型,并采用网格搜索法选取最优参数。算法充分利用了最小二乘支持向量机泛化能力强、非线性拟合性好等优良特性,避免了灰色方法及模型存在的理论缺陷。与灰色GM(1,1)和单一最小二乘支持向量机对比表明,新算法能保证较优的局部预测值和较好的全局预测精度,应用于短期大坝变形预测是可行的。     

���ڻ�ɫԤ��Ŀռ���в�����ģ���о�

?????????????????????????????????????ε???????????????????в??????????????????????????в?????????????С?????????????B??????????????????????????????????????????????????????5????????122%??????????????179%??GM(1,1)????284%???????????????????5????????????????????????20%????????????????????????     

分数阶傅里叶变换联合支持向量机的建筑物变形预测

提出一种分数阶傅里叶变换(fractional Fourier transformation, FrFT)与支持向量机(support vector machine, SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm, IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。     

基于深度全连接神经网络的大坝变形预测研究

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型.利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型...     

白山拱坝位移激光监测自动化系统研究

提出用半导体激光发射器结合位敏传感器进行位移测量和利用光学测角仪进行倾角观测的方法解决拱坝变形观测问题。对激光监测自动化系统进行了原理分析、算法推导、精度评定。在白山拱坝的实践表明：本系统精度高，自动化效果好，具有较好的推广价值。     

通过改进自适应PSO优化BP网络预测大坝变形

提出自适应粒子群神经网络（ADPPSO-BP）算法,并加入自适应变异算子,提高粒子跳出局部搜索的能力,实现对坝体位移的精准预测。以丰满大坝为例进行验证,建立PSO-BP（粒子群神经网络）、LPSO-BP（线性粒子群神经网络）、改进ADPPSO-BP（改进自适应粒子群神经网络）3种模型,对大坝进行变形预测。结果表明,ADPPSO-BP预测误差最小。     

黄河大柳树坝区地质构造特点及建坝可行性研究

黄河大柳树坝区构造属加里东期形成的地槽褶皱系,其上由泥盆系—三叠系组成盖层,相应地形成地台型褶皱带。坝区发育盖层性断裂,切割较浅。坝区受夜明山马长梁背斜控制,岩层变形强烈,节理、裂隙发育,加之风化较深,岩体完整性差。鉴于坝区构造总体上连续而完整,变形破裂主要为原生,故仍不失其建坝条件。