扩展大坝变形预报方法的应用

关于大坝变形观测,国内外都在进行研究,但如何提高大坝变形的精度及准确性是进一步研究的课题。本文主要是讨论将m个观测点的观测数据进行联合处理的几个问题。文章首先简述所采用的外部变形分析的观测数据。讨论扩展法的模型建立,模型误差、预报精度等问题,然后介绍扩展大坝变形预报法,最后进行实测数据例子的计算、比较和分析。结果表明,扩展法明显地优于一般的预测法。又能准确地预报大坝位移的上移。对于大坝位移曲线的异常预报是很重要的。扩展大坝变形预测法能达到及时的预报大坝位移曲线的异常。     

宝钢引水库大坝水平位移监测评价和变形分析

本文对宝钢引水库大坝的水平位移监测网的布设方案,采用灵敏度和可靠性准则进行了网的优化设计计算,从监测网的质量准则出发,对布网方案作了若干探讨。从二十五期观测资料中选出十三期进行了水平位移计算和变形的几何分析。指出,在变形分析中正确选取基准的重要意义和据多期位移值进行变形预报的一些方法,并定性地讨论了该大坝变形的物理解释。本文所作的工作对类似大坝的水平位移监测和成果处理具有实际意义。     

三门峡大坝变形观测网的灵敏度分析

本文讨论了变形观测网的灵敏度标准，通过对三门峡大坝变形观测网两期观测资料的平差计算，并对三门峡大坝变形观测网的灵敏度进行了计算和分析，分析结果认为该变形观测网适合于对三门峡大坝进行形变观测。     

Kriging Kalman滤波在变形监测中的应用

在变形监测中,经常会出现有些目标点无法进行观测,或者测站观测值丢失的问题,常用的数据处理方法没有考虑观测点之间的空间相关性,以致得到的处理结果不能满足高精度的要求。结合变形监测的特点对Kriging Kalman滤波进行研究,模拟实验显示,文中方法不仅可以对未知点进行准确预报,而且对已知时间序列的滤波精度比纯时间域标准Kalman滤波精度提高21%~46%。最后将Kriging Kalman滤波应用于五强溪大坝的变形监测数据处理。     

基于Matlab工具箱的神经网络在大坝变形区间预报中的应用

进行基于人工神经网络的大坝变形区间的分析与预报研究,运用Matlab工具箱建立BP神经网络模型,进行大坝变形区间的分析与预报,并与传统的逐步回归预报方法进行比较.结果表明,BP神经网络用于大坝变形区间的预报是可行的,在预报效果上优于逐步回归方法.     

漫湾电站大坝及滑坡体外部自动化变形监测系统研究

研究利用TCA2003全站仪及NA3003水准仪实现从野外数据采集到内业数据形分析预报模型自动化系统，提出用数据库管理系统实现对变形观测数据的综合管理与分析，同时研究了将GIS技术应用到大坝及其周围地区的变形观测与分析中的内容与方法。     

基于GA-LMBP网络模型的小浪底大坝3维变形预报分析

BP神经网络在大坝监测资料分析处理中有广泛的应用,本文针对改进的BP神经网络:LM-BP网络模型的不足,采用遗传算法加以改进,建立了一种基于遗传算法和LM-BP网络模型的大坝3维变形预报模型GA-LMBP网络模型。将GA-LMBP网络模型应用于小浪底大坝3维变形预报分析中,取得了很好的预报效果,证明了GA-LMBP网络模型是一种行之有效的大坝变形分析预报模型。     

应用时间序列方法作大坝变形预报

本文首先介绍时序分析的三个基本模型——ARMA模型、AR模型和MA模型,以及各模型的统计性质。然后以某大坝1715廊道的激光视准线观测位移值(已利用倒垂观测把相对位移化为绝对位移)为例,着重叙述大坝变形分析的建模过程,得到了一个AR(2)模型并对大坝变形作了预报,结果具有相当好的预报精度。从而说明,时序分析法将是大坝变形分析的一个有力工具。     

SSA-LRF在大坝变形预报中的应用

奇异谱分析SSA(Singular Spectrum Analysis)是一种被广泛应用于时间序列分析中的非参数方法。SSA结合线性递推公式LRF(Linear Recurrent Formula)可以进行时间序列预报,简称为SSA-LRF。本文将该方法引入到大坝变形预报中,对影响SSA-LRF预报精度的几个因素进行深入的分析,给出了SSA-LRF预报过程中的嵌入维数L与重构阶数P最佳取值范围。实例分析表明,SSA-LRF是大坝变形预报中的一种有效方法。     

越南水电站大坝变形分析研究

分析了大坝水平位移的视准线观测方法,简述季节性时间序列法和BP神经网络法在变形监测中的应用,并对和平水电站历史观测数据进行分析和预测。结果表明,两种方法都能较准确地描述大坝的变形趋势,为大坝的安全监控提供了参考。