基于岭回归的大坝变形位移模型

大坝回归建模中常常因自变量间的多重共线性产生"病态"问题,使得回归系数无法真实反映环境因子对大坝变形的影响.利用岭回归建立大坝变形模型,采用L曲线法对岭回归模型中岭参数进行求解,相比最小二乘方法直接得到的系数,岭回归模型求解结果更符合实际,且所建立模型能对大坝变形进行有效预测.     

克里金时空自回归模型在变形建模中的应用

针对时空自回归模型的空间权阵大多采用邻接性和反距离加权法导致模型预测精度较低的问题,该文提出了一种基于克里金法空间加权的时空自回归模型,通过普通克里金插值法原理来定义空间权阵,并利用五强溪大坝5年的观测数据分别对传统空间加权和克里金法空间加权进行建模对比。结果显示,克里金法加权比传统加权的变形预测精度提高44%左右,说明克里金时空自回归更适合建立大坝时空变形模型。该方法描述了实际空间的变异情况,提高了变形建模的预测精度,可用于大坝及其他变形体的变形建模。     

时空自回归模型在大坝变形分析中的应用

变形监测分析的模型与方法主要是针对单点时序的分析,建立大坝位移自回归模型可实现大坝位移预测预报,但传统自回归模型都是针对单测点进行的,这意味着需要对所有的测点进行建模,将会造成大量模型冗余.而大坝作为一个整体结构,测点间的位移在空间上是相互关联的。单点自回归模型并未考虑着这种相关性,为了考虑测点间的这种空间相关性并建立统一的模型,本文采用时空自回归方法对五强溪大坝位移监测数据进行整体分析,建立了大坝位移的时空自回归模型。通过对大坝引张线测点的建模与预测分析,结果表明时空自回归模型在时间和空间上都可以对位移监测数据序列进行较好的拟合与预测。     

大坝变形的神经网络方法研究

大坝的失事带来的不仅是经济损失也是安全隐患,因此,建立一种大坝变形长期预测模型对它的安全评价将具有重要意义。本文针对华东CC大坝5JHJl04监测点的垂直位移变形进行分析,在传统的回归分析模型和常规神经网络模型的基础上建立了将两种方法结合的融合模型,得到大坝变形分析的最优模型。其精度与一般方法相比有了进一步的提升,可以更好地进行大坝变形预测。     

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。     

克里金时空自回归模型在变形建模中的应用

针对时空自回归模型的空间权阵大多采用邻接性和反距离加权法导致模型预测精度较低的问题,该文提出了一种基于克里金法空间加权的时空自回归模型,通过普通克里金插值法原理来定义空间权阵,并利用五强溪大坝5年的观测数据分别对传统空间加权和克里金法空间加权进行建模对比。结果显示,克里金法加权比传统加权的变形预测精度提高44%左右,说明克里金时空自回归更适合建立大坝时空变形模型。本文方法更加科学地描述了实际空间的变异情况,提高了变形建模的预测精度,可用于大坝及其他变形体的变形建模。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

大坝安全监测统计模型的比较与选择

统计模型在大坝安全监测资料分析中占有重要地位,是建立混合模型的基础。本文从统计模型选择的角度出发,对多元线性回归、逐步回归以及偏最小二乘回归的应用特点和效果进行了探讨,其中偏最小二乘回归是一种旨在消除多重相关性的新型回归技术。本文重点结合某水电站大坝安全监测资料,从模型解释能力、统计参数的检验、拟合和预测效果、效应量的分离等方面对上述三种回归方法进行了比较性研究,得出了一些有益的结论。     

变形分析与预测模型中病态问题分析

本文对变形分析与预测模型中的线性回归分析法、时间序列分析模型、灰色系统分析模型中的病态问题进行了理论分析和数值模拟。通过对变形观测资料施加干扰噪声,采用最小二乘原理,得出了三种模型中每一个参数与干扰噪声的数值关系表达式。指出在变形解释和变形预测中,用这三种模型进行建模分析时必须先检查信息矩阵A=XTX的病态程度,采取有效方法减轻A=XTX的病态程度后方可使用这三种模型。     

非线性回归模型在边坡变形监测中的应用

为了对边坡变形进行准确预测,本文在线性回归模型的基础上,结合边坡变形实际监测数据,提出了一种边坡变形预报的非线性模型。文章根据最小二乘原理,采用线性逼近的方法对非线性模型的参数进行求解,并比较了3种不同非线性模型的回归精度。实验分析表明:非线性回归模型中的Weibull模型能精确预报边坡变形,可为今后高精度边坡变形预报提供参考。     

融合PSO-SVM的混凝土拱坝多测点变形监控混合模型

针对混凝土拱坝单测点变形监控模型难以合理表征拱坝空间变形场协同响应特性以及传统回归方法诠释环境量与大坝变形间的复杂函数关系具有明显局限性问题,提出了融合粒子群算法优化与支持向量机（particle swarm optimization-support vector machine,PSO-SVM）的混凝土拱坝多测点变形监控混合模型。基于单测点变形监控模型构建方法,引入空间坐标并利用有限元方法计算水压分量,进而借助PSO-SVM良好的非线性处理能力对环境量与大坝变形序列进行建模和预测,从而构建了融合PSO-SVM的混凝土拱坝多测点混合模型。工程实例分析表明,所建模型具有较好的多测点变形性能分析能力,较单测点统计模型具有良好的拟合及预报精度,可有效反映大坝服役的整体安全性态。此外,所提理论和方法经一定的改进和拓展,亦可推广应用于其他水工建筑物性态安全监控模型的预报分析。     

GPS技术在大坝倾倒体水平位移监测中的应用

结合某大坝倾倒体水平位移监测项目,阐述了GPS变形监测网数据处理理论和实践,利用多期获得变形数据,对水库倾倒体监测体进行变形分析,得出了一些有益结论。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。     

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。     

综合运用非线性回归和时间序列分析研究边坡变形

边坡变形的复杂性决定了运用非线性回归模型很难准确解决边坡变形规律。本文将讨论综合运用非线性回归模型和时间序列分析的方法进行变形预报。即运用非线性模型和其他模型的有机结合和综合运用正确分析和解决边坡变形规律,同时利用时间序列分析方法解决边坡周期性变形规律,并通过某实测边坡上一系列监测点监测资料的分析和研究,证明该方法的可行性。     

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。     

回归分析模型在大坝变形监测中应用

着重介绍了回归分析在大坝变形监测方面的应用,先介绍了回归模型的定义,接着说明了多元回归方程的建立,回归方程的显著性和回归系数的显著性,最后结合具体的实例对回归方程进行分析,建立模型,通过图表表示出预测值和真实值的曲线图,以及残差值曲线图,说明回归分析模型的实际应用价值。     

新型FMCW地基SAR和三维激光扫描仪在大坝变形监测中的应用

为解决传统大坝变形监测方法仅能获取点形变信息,且监测成本高、受环境影响大等问题,提出了结合快速地基合成孔径雷达(Fast-GBSAR)获取的高精度二维形变图和三维激光扫描仪生成的DEM,解决了雷达数据可视化程度低的问题。利用该技术对国内某大坝进行了健康监测并对形变原因进行了深入分析,库区潮汐对大坝水平形变产生周期性的影响。试验表明,Fast-GBSAR可以获取高精度的大坝形变信息,结合三维可视化技术,建立直观、高效与高精度的三维监测方式,为大坝的变形监测提供了可靠保障。     

基于逐步回归分析的大坝变形分析模型研究

主要介绍对逐步回归分析模型的原理和基本步骤,结合大坝工程实例进行分析。引入了库水位、时效和温度三个因子建立逐步回归模型。得出了运用逐步回归模型分析大坝变形的合理性,可以达到预测的目的。