本文選題：土石壩 + 加權(quán)統(tǒng)計模型　； 參考：《長江科學(xué)院院報》2017年08期

【摘要】：用于大壩安全監(jiān)控的加權(quán)統(tǒng)計模型主要依據(jù)工程經(jīng)驗確定各因子的權(quán)重,這種求解方式易導(dǎo)致部分因子信息的缺失。根據(jù)大壩安全監(jiān)測數(shù)據(jù),應(yīng)用粒子群算法可優(yōu)化確定加權(quán)統(tǒng)計模型中各參數(shù)的最優(yōu)解,但對于高維度優(yōu)化問題,該算法存在收斂速度慢、易陷入局部最小等不足。針對這些不足,考慮粒子種群平均位置信息的影響,提出一種新的改進粒子群算法,利用單體與種群平均位置的距離信息確定兩者之間的學(xué)習(xí)因子。土石壩工程實例分析結(jié)果表明:改進粒子群算法加強了種群跳出局部最小的能力,所得加權(quán)統(tǒng)計模型的權(quán)重符合工程實際情況。尤其在大壩運行初期,監(jiān)測資料較少的情況下,基于改進粒子群算法的大壩監(jiān)控模型具有較高的預(yù)測精度和預(yù)報能力,可為大壩監(jiān)控領(lǐng)域提供一種新的數(shù)據(jù)分析方法。
[Abstract]:The weighted statistical model used for dam safety monitoring is mainly based on the engineering experience to determine the weight of each factor. This method can easily lead to the loss of some factor information. According to the dam safety monitoring data, the particle swarm optimization algorithm can be used to optimize the optimal solution of the parameters in the weighted statistical model, but the algorithm is a high dimension optimization problem. In view of these deficiencies, considering the influence of the average position information of the particle population, a new improved particle swarm optimization algorithm is proposed to determine the learning factor between the two and the distance information between the monomer and the population average position. The analysis results of the earth rock dam project show that the improved particle swarm optimization is used. The method strengthens the ability of the population to jump out of the local minimum. The weight of the weighted statistical model is in line with the actual situation of the project. Especially in the case of the early stage of the dam operation, the dam monitoring model based on the improved particle swarm optimization algorithm has a higher prediction accuracy and prediction ability, and can provide a new number for the dam monitoring field. According to the method of analysis.

【作者單位】： 南京水利科學(xué)研究院巖土工程研究所;
【基金】：國家自然科學(xué)基金項目(51379129) 水利部公益性行業(yè)科研經(jīng)費項目(sg315002)
【分類號】：TV698.1

【相似文獻】

相關(guān)期刊論文 前10條

1 方衛(wèi)華;徐蘭玉;樂國興;梅星;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[J];大壩與安全;2012年03期

2 陳秀銅;李璐;;基于改進粒子群算法的土石方調(diào)配優(yōu)化研究[J];水力發(fā)電學(xué)報;2010年02期

3 劉方;紀(jì)昌明;向騰飛;周茜;;基于鯰魚效應(yīng)多目標(biāo)粒子群算法的水庫水沙聯(lián)合優(yōu)化調(diào)度[J];中國農(nóng)村水利水電;2012年11期

4 唐如洋;凌江;;基于粒子群算法的水利類試算問題求解[J];黑龍江水利科技;2013年10期

5 王仁超;劉金飛;李仕奇;張宗亮;;基于螞蟻和粒子群算法的土石方調(diào)運優(yōu)化方法研究[J];水利學(xué)報;2006年11期

6 程春田;唐子田;李剛;楊斌斌;;動態(tài)規(guī)劃和粒子群算法在水電站廠內(nèi)經(jīng)濟運行中的應(yīng)用比較研究[J];水力發(fā)電學(xué)報;2008年06期

7 孫曉嬌;侯旭東;劉長良;;基于改進粒子群算法的水輪機調(diào)速器參數(shù)優(yōu)化[J];自動化與儀表;2010年05期

8 徐寶松;苗艷東;李波;雷霆;徐華俊;;基于粒子群算法的大壩力學(xué)參數(shù)反演[J];水力發(fā)電;2009年03期

9 龔曉雯;顧沖時;;基于改進粒子群算法的水口重力壩壩體參數(shù)反演[J];水電能源科學(xué);2010年02期

10 周佳佳;楊侃;鄧麗麗;;基于粒子群算法的水電站廠內(nèi)經(jīng)濟運行新算法[J];中國農(nóng)村水利水電;2014年06期

相關(guān)會議論文 前2條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

2 李慧峗;王本德;張永強;曹明亮;;MATLAB粒子群算法工具箱在水文模型參數(shù)優(yōu)化中的應(yīng)用[A];變化環(huán)境下的水資源響應(yīng)與可持續(xù)利用——中國水利學(xué)會水資源專業(yè)委員會2009學(xué)術(shù)年會論文集[C];2009年

相關(guān)碩士學(xué)位論文 前4條

1 王朝輝;基于粒子群算法的壩料動參數(shù)反演[D];大連理工大學(xué);2016年

2 周逸之;基于粒子群算法的水電站廠內(nèi)經(jīng)濟運行分析[D];南昌大學(xué);2013年

3 余明明;基于混沌粒子群算法的大型水電站自動電壓控制優(yōu)化研究[D];華中科技大學(xué);2013年

4 唐子田;水電站廠內(nèi)經(jīng)濟運行新型算法的研究[D];大連理工大學(xué);2007年

，

本文編號：1799929