拱壩變形安全監(jiān)控模型及其應用研究.pdf

1、拱壩的變形受到多方面因素的影響，變形與各影響因子之間的關系是復雜的，高度非線性的映射關系。傳統(tǒng)方法只能近似地描述變形與各影響因子之間的關系。而整體分析建模和模糊神經網絡理論能行之有效地解決這類問題。 本文依據實際工程原型觀測資料詳細地研究了拱壩變形的一般規(guī)律，分析了影響拱壩變形的水位、溫度、時效等因子。采用常規(guī)的逐步回歸建模手段，探討了逐步回歸模型建模時存在的一些限制及模型本身的不足：(1)，常規(guī)的逐步回歸模型建模時需要同步的環(huán)

2、境量觀測數據。而對于很多建筑物，由于種種原因，缺少完整的或是無法取得相應的環(huán)境量數據，從而無法建模。(2)，逐步回歸模型是單測點模型，這樣對于整體性較強的建筑物如拱壩來說，不能反映建筑物的整體特性。另外采用單測點模型單個建模，在工作量上也較為巨大，因此還有待改進。 針對常規(guī)建模分析方法存在的不足，提出了改進的方法，即直接根據拱壩的變形資料來建立模型，作出預測。即利用拱壩實測變形值作為輸入，預測變形值作為輸出，通過對模型的合理優(yōu)化

3、和有效的數據處理，成功建立了拱壩變形的模糊神經網絡模型和整體分析模型。通過模型的運算，得出了滿意的結果，模型的預測精度較高。并且對每種模型都做了深入的分析，探討了每種模型對不同影響因子的敏感程度，從而總結出每種模型的優(yōu)缺點和適用范圍，有利于建立更合適的監(jiān)控預測模型。 本文研究結果表明，整體分析建模是對拱壩原型觀測資料進行分析的有效手段；模糊神經網絡通過對問題的隱性描述，能有效地實現變形與各影響因子之間的復雜的高度非線性映射關系。