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。     

基于局部均值分解和相关向量机的变形预测

基于改进局部均值分解（LMD）及加权核函数相关向量机（RVM）算法,构建多尺度变形预测新方法。利用LMD将变形数据分解成多个具有物理意义的变形分量,并基于遗传算法优化的RVM对每个变形分量分别进行预测。将各变形分量预测结果进行叠加,最终建立多尺度变形预测方法,并应用于大坝变形预测。实验结果表明,改进LMD-RVM方法的多个精度指标均优于BP神经网络方法、RVM方法和改进EMD-RVM方法,证实了新方法的有效性及可靠性。
     

基于小波分解和最小二乘支持向量机的大坝变形预测

文章针对大坝变形受多种不确定性因素的影响,提出一种基于小波分解和最小二乘支持向量机的大坝变形预测方法。利用小波将大坝位移序列分解成不同频率特征的子序列,根据分解得到的子序列特点,同时考虑水位和温度的影响,构造不同的最小二乘支持向量机模型对子序列进行预测,最后对各子序列预测值进行重构得到最终的预测值。实验对比分析表明,该方法对大坝变形的预测具有较高的精度。     

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...     

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。     

基于MEA-WNN的大坝变形预测

文章将思维进化优化算法引入大坝变形预测领域,提出基于思维进化法优化小波神经网络(MEA-WNN)的大坝变形预测模型。通过算例验证,并与WNN、GA-WNN对比分析,认为该模型能够克服多数进化算法的不足,提高算法的整体搜索效率,同时能够确保较优的局部预测值和较好的全局预测精度,具备快速的收敛能力,验证MEAWNN预测模型在大坝变形预测中的可行性和实用性。     

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征,构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列,通过嵌入维数的确定和高低频数据的相关性分析,将重构后的随机序列作为遗传算法优化SVR模型的输入,对近似序列则采用灰色支持向量机来描述其演变特征,最后将二者预测结果进行耦合叠加,得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例,将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价,结果表明该模型较好地拟合了近似分量,同时避免了细节分量的过拟合,为高铁变形预测提供了新途径。     

三峡库区堆积层滑坡间歇性活动预测:以白水河滑坡为例

三峡库区堆积层滑坡在季节性降雨和库水位周期波动的影响下呈现间歇性活动特征,滑坡活动强度与诱发因素作用强度和时间关系密切。以三峡库区白水河滑坡为例,分析了堆积层滑坡间歇性活动特征和诱发因素,发现降雨和库水位下降是滑坡变形的主要诱发因素。根据滑坡时序曲线特征,将滑坡累积位移分解为趋势项位移和周期项位移,采用多项式拟合的方法来预测趋势项位移,利用长短期记忆神经网络模型来预测周期项位移,并与极限学习机模型、广义回归神经网络模型的预测结果进行了对比分析,发现长短期记忆神经网络模型预测滑坡间歇性活动精度更高。     

利用复测水准资料寻求反映地壳纯形变的定量指标

地壳纯变形分为剪切变形和扩张变形。在前人研究的基础上提出了仅利用复测水准资料求出描述地壳剪切变形和扩张变形指标的方法和步骤，所得的定量指标不受基准的影响，受测量累积误差的影响亦很小，能客观地反映地壳变形的特征。通过理论和实例证明：以一点周围变形分量的最大值代表该点周围垂直面的变形程度比其平均值更能突出变形信息。最后根据实例计算结果分析了剪切变形分量、扩张变形分量与形变速率、构造地震的关系。     

��ɫϵͳ�в�Ԥ��ģ�������������Ӧ��

????????GM??1,1???в?????????GMRCFS ???????????????????1998-06-10-11-28??5??GPS ??????α??????????????????GM??1,1???в??????н???????????????????????????α????????     

三峡二期工程蓄水后的垂直形变场

根据三峡地区的数字高程模型(DEM)，模拟三峡二期工程蓄水位达到135m后的水体负载，利用Farrell提出的质量负荷产生的地球形变理论，推算三峡水库水位达到135m后整个库区的垂直形变，与三峡库区GPS形变监测网获得的蓄水前后的垂直形变图像进行对比分析，结果显示：在三斗坪-巴东库段，两者中都出现了3个相同的、明显的垂直形变集中区。在三峡大坝附近，模拟结果比观测结果大8～15mm，说明坝址附近的花岗岩具有较强的刚性；而在香溪，模拟结果比观测结果要小23mm，且GPS观测到长江两岸的垂直变化差异达到22mm，说明该段地质构造的特殊性和复杂性。综合分析表明，三峡大坝坝址所在地的地质构造和地壳是稳定的。     

���ŷǸ���Ȩ���ģ���ڴ�ӱ����е�Ӧ��

?????????GM??1??1????BP?????????????????3?????????????????????????????????е???????????????????????????????????????????????????????????????????????????????????????????????????????0.11 mm?????????????о??????????ü????     

�������ɷַ�����BP���������α�Ԥ���е�Ӧ��

?????α????????????????????????????BP???????????????α??????????????????????????????????????????????????????????????????????????????????BP??????????????????Ч????     

基于Theil不等系数的IOWA算子最优变形组合预测模型

针对传统组合预测模型中各单项预测模型赋权问题的不足,提出一种基于Theil不等系数的IOWA算子最优变形组合预测模型。利用IOWA算子,依据各单项预测模型预测值各时间点精度的不同,赋予不同的权系数,建立最优组合预测模型,并将其应用于变形数据分析与预测。实验结果表明,本文方法的预测结果比各单项模型与传统组合模型的结果更准确。     

重力坝多测点变形监控模型的研究及应用

目前国内建立大坝变形监控模型多以单测点为基础,由于外界荷载对大坝变形的作用是整体性的,单测点模型只反映了单个测点的变化,没考虑监测量的空间分布因素,不能反映监测量的内在机理,因而有一定局限性。多测点变形模型引入了空间坐标变量,将原单测点模型发展到线和面的分布模式,弥补了单测点变形模型的不足。以空间多测点变形模型进行实例计算、分析,并用单测点模型检验多测点模型的效果,所建的模型符合工程实际要求。     

基于二阶预测有效度IOWGA算子的变形组合预测研究

针对一阶预测有效度未能考虑预测精度的方差以及权数不变的问题,提出一种基于二阶预测有效度IOWGA算子的变权组合预测方法。该方法以二阶预测有效度作为目标函数,根据预测精度赋权,然后将其运用于变形数据分析中。实验结果表明,该模型预测精度高,适用于变形预测与分析。     

一种基于熵权法的小波去噪复合评价指标

传统的评价指标在真值未知的情况下不能满足小波去噪质量评价的要求。为此,借助变化率特征重新构建均方根误差变化量和平滑度变化量两个指标,利用熵权法定权将归一化后的两个指标线性组合,所得到的新指标即为复合评价指标。该方法借助指标的变化率随分解层数的增加表现出明显的收敛特性来确定去噪最优分解层数。实验表明,该方法能够在真值未知的情况下准确地指导小波分解,确定去噪最优分解层数,从而达到最优去噪效果。