心墻堆石壩變形的組合預(yù)測(cè)模型與應(yīng)用研究.pdf

1、大壩變形通常是由于多種因素的復(fù)雜耦合作用而產(chǎn)生的，具有高度的復(fù)雜性和不確定性。其不確定性主要體現(xiàn)在由于資料不完備或考慮因素不全面而產(chǎn)生的灰色特性和各個(gè)影響因素與大壩變形之間存在的模糊性，目前還沒(méi)有一種可以完全確定的模型和公式來(lái)表示大壩變形的全部特性。由于大壩變形是大壩安全的嚴(yán)重威脅，因此建立一個(gè)精度可靠的、適用性廣泛的大壩變形趨勢(shì)的分析預(yù)測(cè)模型是亟需解決的問(wèn)題。
　　針對(duì)目前缺乏綜合考慮大壩變形的灰色特性和模糊性的研究現(xiàn)狀，本文結(jié)

2、合西南某心墻堆堆石壩工程實(shí)例，開(kāi)展了以下研究工作，取得以下主要研究成果：
　?。?）由于大壩變形的影響因素及其變量表達(dá)形式眾多，直接作為輸入會(huì)造成計(jì)算時(shí)間較長(zhǎng)。針對(duì)此問(wèn)題，對(duì)影響心墻變形的主要因素（時(shí)間因素、填筑因素、水位因素）以及其變量表達(dá)形式進(jìn)行了相關(guān)性分析，得出主要影響變量；并采用主成分分析法對(duì)影響因素進(jìn)行降維處理，得到兩個(gè)主成分。
　　（2）針對(duì)目前研究缺乏綜合考慮大壩變形的灰色特性和模糊性的不足，提出自適應(yīng)網(wǎng)絡(luò)模糊

3、推理系統(tǒng)（adaptive neuro fuzzy inference system，ANFIS）優(yōu)化灰色理論模型（Grey Model，GM）來(lái)預(yù)測(cè)大壩的變形。通過(guò)實(shí)例分析，表明ANFIS-GM模型的精度比傳統(tǒng)的只考慮大壩變形灰色特性的GM模型更高。
　?。?）采用遺傳算法（Genetic Alogrithm，GA）優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型（Back Propagation Artificial Neural Network，BP

4、），克服了BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)值的缺點(diǎn)。通過(guò)結(jié)合工程實(shí)例分析得出該模型比較適合于大樣本的預(yù)測(cè)分析。
　　（4）組合模型可充分的利用各模型的有效信息，其精度通常優(yōu)于單一模型。針對(duì)于傳統(tǒng)的組合模型沒(méi)有考慮時(shí)間因素對(duì)組合模型的影響，提出基于考慮時(shí)間影響的神經(jīng)網(wǎng)絡(luò)組合模型，并與傳統(tǒng)的最小預(yù)測(cè)誤差平方和為目標(biāo)函數(shù)的線性權(quán)重組合模型進(jìn)行了對(duì)比，表明它能夠更好地預(yù)測(cè)大壩變形。
　　通過(guò)實(shí)例分析，表明：①兩種形式的組合模型精度通常優(yōu)