论文部分内容阅读
大坝安全监测分析是获取大坝安全性态的重要方法。大坝实测数据分析方法日趋成熟,为大坝安全运行提供了一定的保障,但在数据分析、综合判诊及趋势预测等方面依然存在许多不足。针对现有监控模型和判诊方法中存在的不足,本文从混凝土重力坝综合判诊体系的搭建入手,以渗流、变形实测数据分析为主,借助统计分析、支持向量机(SVM)、小波技术、BP神经网络、求和式自回归滑动平均模型(ARIMA)、信息熵、云模型等方法,对现有方法进行改进,研究适用于不同效应量的建模方法,以期提高实测数据分析模型的预报精度,较好地预测大坝安全性态发展趋势,为大坝安全管理工作提供参考。主要研究内容如下:(1)考虑大坝系统的复杂性,讨论大坝综合判诊指标的选取原则,设定对应的评价集,结合工程实际,建立综合判诊体系。(2)鉴于布谷鸟参数优化算法存在中后期运算较慢等缺陷,引入最速下降法,耦合形成组合寻优方法,选取扬压力的回归因子,建立支持向量机回归模型,并通过算例验证该模型在处理回归因子突变及扬压力滞后性等问题上较常规模型的优势。(3)通过对混凝土重力坝安全监控组合模型建立方法的研究,在采用小波技术对原始监测数据进行分离重构的基础上,建立BP神经网络—ARIMA变形组合预报模型,并分析其预报精度。(4)基于预报分析成果,对各项参数实测数据进行预处理,结合动态熵权法与云模型方法优势,建立混凝土重力坝安全性态动态综合判诊模型,分析各测点及各项目的安全状态发展趋势,并就综合判诊结果提出“最小隶属度”原则,构建混凝土重力坝整体安全性态预警机制。