确定大坝效应量真实分量比例的灰色距离测度研究

为了评价各因素对大坝监测效应量的综合影响程度,提出一种新的灰色距离测度,并应用于大坝效应量分量比例确定中.首先利用主成分确定各分量真实系数,然后应用该理论确定各个分量的比例.工程实例表明,该方法简单可行,能科学有效地确定大坝效应量分量比例.     

确定大坝效应量分量比例的神经网络方法

为了评价水位、温度等环境量对大坝观测效应量的综合影响程度，并由此定量分析评价大坝的运行状态，提出了确定大坝观测效应量的各分量比例的神经网络方法。根据大坝的观测资料，利用误差反向传播的神经网络(BP网络)建立效应量与环境量关系的神经网络模型，BP网络的输入变量为水位、温度、时效等环境量因子，网络的输出变量为效应量。利用网络的权值来表示网络的输入变量对网络的输出变量的影响程度，从而确定水位、温度等分量占效应量的比例。文章通过工程实例验证了该方法的有效性。结果表明，该方法简便实用，可定量分析水位、温度等环境对效应量的影响程度，有助于进一步分析大坝的安全性态。     

主成分回归分析在确定大坝效应量分量中的应用

大坝资料分析表明,水位、温度和时效等因素决定了坝体结构中各种效应量的发展变化情况。对某些具体问题进行研究或定量分析评价大坝的运行状态时,需要用到各分量的具体数值,通常这些分量是组合在一起的,很难得到其准确可靠的分量比例,特别是温度和水位,它们具有较高的相关性。而主成分分析方法可将原大量相关性较高的自变量转化为少数不相关的指标,从而为效应量的分离提供可靠的方法。将这种方法应用于一工程,结果验证了该方法实用、有效。     

大坝观测效应量的明确性和非明确性混合分量拟合模型

目前大坝观测效应量拟合模型可以分为两大类:明确性分量拟合模型和非明确性分量拟合模型。事实上,水压分量和温度分量采用明确性分量拟合模型是合适的,而时效分量具有非线性和非明确的特征,所以宜采用非明确性分量模型。鉴于此,提出明确性和非明确性混合分量拟合模型。采用能够较好地描述非线性变化的支持向量机(SVM)拟合时效分量,同时结合传统逐步回归分析,对于变化特征较为明显的水压分量与温度分量采用传统的统计模型进行描述。然后,将两大部分分量整合形成新的混合模型,并利用遗传算法GA对水压分量与温度分量进行修正。工程应用实例显示,该方法对实测资料的拟合比传统逐步回归方法更为精确,时效分量的总体变化趋势与逐步回归成果相似,但存在局部差异。     

大坝效应量及其分量分离的影响因素分析

根据大坝安全监控理论的相关知识,深入分析了效应量及其分量分离的影响因素。     

改进的大坝安全监控粗集推理预报模型

针对已有粗集推理预报模型的不足,提出了一种改进的大坝安全监控粗集推理预报模型。该预报模型通过粗集论约简影响因素,并且结合贝叶斯定理对规则的约简引入一致度和支持度。实际算例证明,改进后的粗集推理预报模型可以用于大坝效应量的预报,与一般粗集推理模型相比,其在一定程度上消除了噪声数据对预报的影响,提高了预报的精度,在样本基数大的情况下预报较准,可信度较高。     

RS-SVM模型在大坝安全监控中的应用

将粗集理论与支持向量机结合起来,研究了针对大坝安全监测数据序列中出现小样本、短序列、不确定等情况时的监控模型,利用粗集理论中的知识约简,引入属性重要度概念,对输入数据预处理,简化大坝工作性态影响因素和效应量之间的映射关系,实现了支持向量机模型输入的优化设计,使模型更能体现大坝的工作机制。以某混凝土大坝为例,分别采用统计模型、BP神经网络模型、标准SVM模型以及RS-SVM模型进行建模分析,对比验证了RS-SVM模型方法的可行性。     

大坝安全监测系统综合评价(Ⅲ)评价方法

针对目前大坝安全监测系统综合评价主要以定性分析为主的不足,在监测系统综合评价指标体系建立和评价等级划分的基础上,提出了定量评价指标和定性评价指标隶属度的计算方法,给出了各评价指标的权重建议值;采用模糊综合评价方法,研究了大坝安全监测系统综合评价方法,并给出了一个工程实例.实例表明:模糊综合评价方法为监测系统的合理评价提供了一个更有效的新途径,能较好地解决监测系统定量综合评价的问题.     

大坝安全监测数据库信息管理系统开发设计

在大坝安全监测中,监测仪器类型多,信息量大,数据处理复杂,而当前数据管理水平相对滞后,数据不能及时得到有效利用.介绍了大坝安全监测数据库信息管理系统的开发设计方案,该应用系统采用网络数据库技术,建立了有效的监测数据库以及相关的数据库管理查询和分析计算等功能,在实际应用中提高了监测资料的管理效率和管理水平.     

集值统计法在大坝安全巡查量化分析上的应用

大坝安全巡视是大坝安全监测的重要手段,也是识别大坝运行状况并对异常情况进行成因分析的重要依据.但在实际工作中,由于对巡视检查结果的分析不是很重视,往往只能是对巡视的结果做一个定性的判断,未进行量化的评价分析.针对上述原因,提出采取集值统计方法对大坝巡查结果进行量化分析和评判.又因大坝安全巡查结果的量化、评价过程中含有许多不确定性、随机性和模糊性,并且涉及到心理因素,为客观和更有利于提高评价的可信度,在综合评价中,将巡查项目(评价指标)的特性划分为5个评价等级,即:正常、基本正常、轻度异常、重度异常和恶性失常.结合大坝安全各巡查项目的工程表现,收集并归纳专家们的认识和经验,按有关规范和管理条例制定各评价指标的评分标准.聘请若干专家,按照评分标准,凭借专家们的认识和经验,对各评价指标进行区间评分,然后对区间评分值进行集值统计、结集分析评价.给出了应用实例,为解决大坝安全巡查的量化分析提供了一条简单有效的途径.     

主成分回归分析在大坝安全监测中的应用

介绍主成分回归的原理,对某大坝的位移预测进行分析研究.利用SPSS软件进行多重共线性诊断后进行主成分分析,确定主成分的个数,将原自变量的主成分代替原自变量进行回归分析,建立主成分回归模型,并对该大坝位移进行预报.对影响大坝位移的各因子进行有效分离,既保留了原指标的绝大部分信息,又有主成分之间不相关的特点,弥补了最小二乘法回归无法有效识别和消除因子间多重相关性影响的不足.     

基于主成分回归的大坝位移模型

位移监测是大坝安全运行过程中一项重要的工作。在建立大坝位移预报模型的过程中,常会出现影响因子之间存在严重相关性的情况,会影响模型系数的稳定性,采用主成分回归分析的方法可以很好地解决这个问题。在简述主成分回归分析原理的基础上,结合工程实测数据,建立了坝体位移量与相关因子的主成分回归模型和逐步回归模型,并对两者进行比较,取得了良好的效果。     

基于模糊规则推理的大坝安全监测变形预测模型

研究了将模糊规则推理和粗糙集理论相结合建立大坝安全监测变形预测模型的新方法.该方法采用粗糙集理论对原始监测样本数据进行离散,根据离散结果确定模糊推理规则,并通过对规则的模糊推理建立大坝安全监测变形预测模型.实例分析表明,该模型在大坝变形影响因素重要性评价和非确定性测值预测方面取得了满意的结果.     

D—S证据理论在大坝安全监控中的应用

大坝安全监测系统复杂,各个指标之间存在着不确定性。D—S证据理论作为一种数学工具,在不确定性的表达、组合等方面的优势受到重视。提出一种信息融合D—S证据理论方法应用于大坝安全监控中,以提高大坝安全评价的准确性。并以青铜峡水利枢纽的监测数据为例进行了实例分析,结果表明D—S证据理论是一种科学的安全评价方法,是可行的,有效的。     

基于主成分的大坝监测资料时变预测模型

由于内外各种因素的影响,大坝安全监控参数会随时间而变化,而常规监控模型常常采用非时变的参数。基于主成分分析,利用缩减后的主成分荷载建立了时变预测模型。实例表明,该模型可以减少计算时间,有效削弱因子多重相关性的影响,提高大坝监测效应量的预测水平。     

基于可变模糊集理论的混凝土坝安全评价

引入可变模糊集理论进行大坝安全评价工作,以混凝土坝安全监测数据为依托,选取监测中关注度较高的核心指标组建并确立混凝土坝安全评价指标体系及评价标准,采用层次分析法确定各待评指标权重值,建立基于可变模糊集理论的大坝安全评价模型;选取工程实例与其他评价方法进行对比分析,验证了该评价模型的准确性和适用性。结果表明,该方法能够较为全面地反馈大坝安全等级,提高了评价结果的可靠性,评价过程简单、逻辑清晰,具有较强的实用价值。     

大坝安全监测专家系统的理论及其应用

简述近年来开发的由推理机、知识库、方法库、数据库、图表库等组成的大坝安全专家系统的各部分内容和功能。重点阐述了知识库的组成、表示及其应用。对其余各库及推理机作了扼要总结，文末介绍该系统在工程中的应用情况，从反馈信息及结果可知，该系统能较好地实现大坝安全评判这种复杂的工程问题的求解，从本质上区别于信息管理和分析系统     

基于可视化和组件技术的大坝安全监控系统软件研究

系统软件在逻辑上采用B／S与C／S集成的混合式3层结构，通过组件技术并以可视化为主线实现了对大坝安全监测数据的深度挖掘，通过知识表达和解释模块为用户提供判断大坝安全状况的依据．系统具有高度的可视化功能，突出人性化的界面风格，组件技术的应用增强了系统的结构化功能，大幅度提高了工作效率．