边坡位移实时跟踪预测模型研究

针对边坡变形监测特点，应用时间序列分析理论，提出了在坡时序很少时的实时跟踪预测模型；并详细讨论了建模方法，步骤，预测精度及应用。实践表明该模型具有计算简单，建模快速，预测精度高等特点，能达到实时预测边坡变形的需要。     

基于卡尔曼滤波法的碾压混凝土拱坝垂直位移变形分析

介绍了卡尔曼滤波法的基本原理,以白莲崖碾压混凝土双曲拱坝为例,选取坝顶垂直位移为分析对象,建立了卡尔曼滤波模型,进行实例计算,预测大坝变形。计算结果表明,卡尔曼滤波模型能充分考虑温度、库水位和时效影响对坝体变形的影响,预测精度高,具有工程应用价值。     

沙坝水电站碾压混凝土拱坝实测位移性态分析

本文介绍了贵州省沙坝水电站碾压混凝土双曲拱坝的变形监测布置情况,对工程下闸蓄水运行以来水平位移监测资料进行整理及多元线性回归分析,初步理清拱坝的整体变形规律和运行性态,为今后沙坝水电站大坝的安全运行管理提供参考。     

石门拱坝变形观测及资料分析

石门拱坝在坝踵裂缝、扬压力周期性较重情况下安全运行２５年，文章通过对原型观测的讨论分析，论证了大南变形位移性态。     

拱坝坝顶位移前倾的原因分析

拱坝坝顶位移前倾是一种非常普遍的现象．通过分析拱坝破坏过程中的位移场，指出前倾的原因除了混凝土的膨胀外．还可能是由于坝体的开裂所致。并且提出了监测建议和判断方法。     

拱坝非线性开裂分析的分载位移法

通过对拱坝非线性开裂问题的研究提出了拱坝非线性分载位移法的计算模型，推导了非线性状态下，拱坝截面内力与曲率关系的公式。确定了拱坝开裂分析中混凝土破坏条件。拱坝非线性开裂的分载位移法可用于拱坝非线性静动力分析、超载分析和开裂问题研究，可模拟坝的破坏过程。根据本文公式，模型编制的程序已用于拉西瓦水电站拱坝、小湾水电站拱坝的非线性开裂分析和超载分析，实践表明，该方法正确，成果合理，可用于解决实际工程问题     

基于某混凝土拱坝的坝顶位移回归分析

通过对混凝土拱坝拱冠梁处垂线位移多年监测资料的分析模拟建立坝顶位移统计回归模型。采用逐步回归法,分析水压分量、温度分量、时效分量对坝顶位移的影响量。统计分析回归模型较好地反映了大坝的变形规律与变化趋势,该模型的建立,为今后大坝运行安全性态和预测大坝变形发展规律提供了有效分析手段和途径。     

基于数理统计多元回归模型的拱坝水平位移影响因素分析

为了从海量大坝安全监测数据中揭示大坝变形行为与其影响因素之间的数理统计规律,建立了大坝水平位移多元回归统计模型,并采用最小二乘法获取了统计模型的参数估计值。结果表明：模型计算值与实测值吻合较好,复相关系数较大,剩余均方差较小;所建立的基于最小二乘参数估计数理统计多元回归的分析模型能够有效解释水压分量、温度分量和时效分量对水平位移的影响,为评价大坝运行性态和预测大坝水平位移发展规律提供了有效的分析手段和途径。     

泉水拱坝的安全监测

泉水双曲率薄拱坝，经坝体变形监测，坝基的渗流监测，坝体的尖力应变监测，结构缝，温度监测及坝体、坝基、溢洪道、岸坡，水库区的巡视检查等，大坝安全运行２０年，为拱坝的安全监测，控制运用，科学研究，积累了一定的经验。     

大坝监测多测点多方向位移数学模型研究

为适应大坝监测工作的实际需要,提出一种大坝位移建模新思路,介绍了模型研究的意义和相关概念与理论;简述了模型的求解方法,并给出应用实例,对模型成果进行了对比分析,模型取得了满意的精度,具有实际意义。     

基于TW-SVM预测模型的某堆石坝变形预测分析

为提高监测资料有缺失的大坝变形预测模型精度,采用支持向量机方法建立一种具有小样本、高维、非线性的预测模型,并结合对其重要组成部分核函数的分析应用,提出一种根据结构风险最小化的TW-SVM预测模型。以某堆石坝为例进行研究,利用坝坡垂直位移和水平位移的监测数据,分别采用TW-SVM方法和BP神经网络(NET)方法建立相应预测模型进行比较分析。结果表明:采用TW-SVM方法和NET方法预测的垂直位移最大绝对误差分别为0.58 mm和6.18 mm,最大相对误差分别为270.00%和1 286.22%;采用TW-SVM方法和NET方法预测的水平位移最大绝对误差分别为0.25 mm和14.91 mm,最大相对误差分别为31.25%和1 189.85%;TW-SVM预测模型比NET预测模型更适合于影响因素为时间、水位的小样本预测分析。研究结果为堆石坝变形预测与分析提供参考。     

大坝变形的小波分析与ARMA预测模型

大坝变形观测资料可视为非平稳时间序列,从影响大坝变形规律的因素出发,可将其分解为主值函数项、周期函数项和改进后的平稳时间序列。其中主值函数项采用逐步回归法拟合,针对时效因子采用半经验公式无法准确拟合实际变化情况,采用小波分析法将序列分解为低频和高频两部分信号,其中低频部分代表时效等因素影响的变形趋势;高频部分代表水位、温度等影响的变化规律,应用时间序列原理分别建立变形预测ARMA（p,q）模型,从而在现有水位、温度观测资料下预测坝体未来的变形趋势。实例计算结果表明,结合小波分析的时间序列法建立的预测模型,预测精度高于统计回归分析,预测效果良好,可作为一种有效方法应用于大坝变形预测中。     

大坝安全监测、分析与预报的发展综述

大坝安全监测、分析与预报是大坝安全管理中涉及多学科交叉和高科技发展的重大课题,本文从大地与工程测量学的角度,系统而简要地论述了大坝安全监测的有关技术、大坝变形分析与预报的各种方法,以及大坝安全监测、分析与预报综合信息系统的建立和应用,以期加强与其它学科的交流与合作。     

特高拱坝一级变形预报控制值 建立的方法研究

特高拱坝与一般高拱坝相比,其结构性态更加复杂,因此,其变形安全预报控制值必须进行 专门的研究。文中探讨了特高拱坝的定义与特点,分析了特高拱坝的变形特性,提出了特高拱坝一级 变形预报控制值建立的准则与方法。工程案例表明,该方法切实可行。     

基于混沌的大坝监测序列小波RBF神经网络预测模型

本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。     

灰色模型改进的大坝变形分形几何监控模型

为了对大坝安全进行准确监控,利用分形几何理论预测大坝变形。针对一般常维分形分布不能很好分析大坝变形数据的问题,对监测数据进行N阶累计和变换,对变换后的数据利用分段变维分形模型计算各阶变形维数序列,再选择效果较好分形维数已知序列预测未知分形维数,最后反推大坝变形预测数据。针对传统变维分形预测模型分形维数预测方法的不确定性和所需监测数据量大的缺点,利用灰色模型预测分形维数,建立改进的大坝分形几何监控模型。结合工程实例,对比插值法预测分形参数的传统分形几何预测模型和灰色模型改进后的预测模型之间的预测精度,结果表明,改进分形模型不仅在预测精度上有所提高,而且更具稳定性和抗波动性。     

基于PSO-SVM的大坝渗流监测时间序列非线性预报模型

大坝渗流监测分析是大坝安全监控的重要内容，预测分析的难点之一在于渗流监测数据往往具有复杂的非线性特点。本文充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点，采用粒子群算法快速优化支持向量机的模型参数，通过该模型对非线性监测数据进行拟合，建立了基于PSO_SVM的大坝渗流监测的时间序列非线性预报模型。本模型应用于隔河岩水电站的坝基渗流量的预测，计算结果与实际监测值吻合良好。     

基于PLSR的静态灰色模型在大坝安全监控中的应用

本文将偏最小二乘回归运用到静态灰色模型中，消除了因子间多重共线性的影响，建立了一种新型的大坝安全监控模型，并对黑河水库的应变资料进行了分析。研究分析表明，基于偏最小二乘回归的静态灰色模型优于传统的静态灰色模型，这为大坝安全监控提供了一种新的思路和研究方法。     

周公宅水库拱坝变形回归分析

针对宁波市周公宅水库大坝垂线观测资料进行了计算分析,研究了拱坝变形的一般规律,并采用逐步回归方法分析了水位、温度及时效因子对拱坝变形的影响。从统计模型、工程概况、测点布置、回归成果分析几个方面介绍并分析了各因子影响大坝位移的程度,得出了大坝位移主要受温度影响的结论。