本文選題：大壩變形監(jiān)測 + 小波去噪　； 參考：《華北水利水電大學(xué)》2017年碩士論文

【摘要】：大壩的安全監(jiān)測已成為大壩建設(shè)和運(yùn)營必不可少的工作。變形監(jiān)測、分析和預(yù)報是大壩安全監(jiān)測最重要的一部分,掌握大壩的變形規(guī)律,實現(xiàn)可靠、準(zhǔn)確的大壩變形預(yù)測能夠提前化解潛在的危機(jī),為大壩的設(shè)計提供科學(xué)上的依據(jù),因此大壩的變形預(yù)測具有十分重要的意義。本文主要工作如下:(1)介紹了大壩變形預(yù)測方法的國內(nèi)外研究現(xiàn)狀,介紹了小波去噪、經(jīng)驗?zāi)B(tài)分解、果蠅優(yōu)化算法及BP神經(jīng)網(wǎng)絡(luò)算法分別在大壩變形預(yù)測中的應(yīng)用。(2)介紹了大壩變形監(jiān)測技術(shù)和方法、大壩變形監(jiān)測原則和要求及大壩變形預(yù)測模型,以及官地水電站外部變形監(jiān)測技術(shù)方案。(3)介紹了小波去噪和經(jīng)驗?zāi)B(tài)分解的理論,采用改進(jìn)的分層小波去噪,并將改進(jìn)的小波去噪方法與經(jīng)驗?zāi)B(tài)分解方法融合,提出了IMF1-Wavelet去噪方法,并成功應(yīng)用于大壩變形數(shù)據(jù)去噪處理。(4)介紹了果蠅優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)的理論知識。對果蠅優(yōu)化算法進(jìn)行了改進(jìn),并對其尋優(yōu)能力進(jìn)行了仿真實驗,針對BP神經(jīng)網(wǎng)絡(luò)自身系統(tǒng)性缺陷,提出用果蠅優(yōu)化算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值的方法。(5)結(jié)合官地大壩變形監(jiān)測實例,采用IMF1-Wavelet去噪方法進(jìn)行去噪處理,對去噪后的數(shù)據(jù)進(jìn)行經(jīng)驗?zāi)B(tài)分解,針對分解得到的變形分量分別建立FOA-BP預(yù)測模型,將分量的預(yù)測結(jié)果相加作為最終的預(yù)測結(jié)果,實現(xiàn)了“隔離”預(yù)測。通過預(yù)測的結(jié)果對比分析,證明了基于小波去噪和經(jīng)驗?zāi)B(tài)分解的外部平臺構(gòu)建和果蠅算法內(nèi)部優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型,相對傳統(tǒng)模型具有更好的預(yù)測精度。
[Abstract]:Dam safety monitoring has become an indispensable work in dam construction and operation. Deformation monitoring, analysis and prediction are the most important part of dam safety monitoring. Mastering dam deformation law, realizing reliable and accurate dam deformation prediction can resolve potential crisis in advance and provide scientific basis for dam design. Therefore, the prediction of dam deformation is of great significance. The main work of this paper is as follows: (1) the research status of dam deformation prediction methods at home and abroad, wavelet denoising and empirical mode decomposition are introduced. The application of Drosophila optimization algorithm and BP neural network algorithm in dam deformation prediction is introduced. The dam deformation monitoring techniques and methods, dam deformation monitoring principles and requirements, and dam deformation prediction model are introduced. The theory of wavelet denoising and empirical mode decomposition is introduced, and the improved wavelet de-noising method is combined with the empirical mode decomposition method. The IMF1-Wavelet denoising method is proposed and successfully applied to the denoising treatment of dam deformation data. The theoretical knowledge of the optimization algorithm and neural network of Drosophila is introduced. The optimization algorithm of Drosophila has been improved, and its optimization ability has been simulated, aiming at the systemic defect of BP neural network. A method of optimizing weights and thresholds of neural network using Drosophila optimization algorithm is proposed. Combining with the deformation monitoring example of Guandi Dam, the denoising method of IMF1-Wavelet is adopted to decompose the de-noised data by empirical mode decomposition. The FOA-BP prediction model is established for the decomposed deformation components, and the prediction results of the components are added as the final prediction results, and the "isolated" prediction is realized. It is proved that the combined prediction model based on wavelet denoising and empirical mode decomposition and optimized BP neural network in Drosophila algorithm has better prediction accuracy than the traditional model.
【學(xué)位授予單位】：華北水利水電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TV698.11

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范千;張寧;;改進(jìn)的果蠅優(yōu)化與Tikhonov正則化相結(jié)合的病態(tài)問題穩(wěn)健解法[J];測繪學(xué)報;2016年06期

2 任超;梁月吉;龐光鋒;藍(lán)嵐;唐利;;基于EEMD的大壩變形多步預(yù)測方法研究[J];大地測量與地球動力學(xué);2015年05期

3 劉立群;韓俊英;代永強(qiáng);火久元;;果蠅優(yōu)化算法優(yōu)化性能對比研究[J];計算機(jī)技術(shù)與發(fā)展;2015年08期

4 梁嘉琛;趙二峰;張秀山;孔慶梅;蘭石發(fā);;基于集合經(jīng)驗?zāi)B(tài)分解和自回歸滑動平均的某碾壓混凝土重力壩變形預(yù)測模型及應(yīng)用[J];水電能源科學(xué);2015年03期

5 張秀麗;;國內(nèi)外大壩失事或水電站事故典型案例原因匯集[J];大壩與安全;2015年01期

6 邱志偉;岳建平;汪學(xué)琴;;地基雷達(dá)系統(tǒng)IBIS-L在大壩變形監(jiān)測中的應(yīng)用[J];長江科學(xué)院院報;2014年10期

7 劉賀;張弘強(qiáng);劉斌;;基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的深基坑變形預(yù)測方法[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2014年05期

8 鄒兵;陳西宏;薛倫生;劉繼業(yè);張群;;果蠅優(yōu)化算法優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)的衛(wèi)星鐘差預(yù)報[J];測繪科學(xué);2014年09期

9 魏瑋;陳晨;邵晨飛;許焱鑫;劉峻杉;;小生境蟻群-BP神經(jīng)網(wǎng)絡(luò)在大壩變形監(jiān)測中的應(yīng)用[J];水電能源科學(xué);2014年08期

10 范良;趙國忱;蘇運(yùn)強(qiáng);;果蠅算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)在變形監(jiān)測預(yù)報中的應(yīng)用[J];測繪通報;2013年11期

相關(guān)博士學(xué)位論文 前6條

1 王舉;基于激光掃描技術(shù)的水庫大壩三維變形動態(tài)監(jiān)測方法研究[D];鄭州大學(xué);2015年

2 楊賢昭;基于經(jīng)驗?zāi)B(tài)分解的故障診斷方法研究[D];武漢科技大學(xué);2012年

3 呂開云;黃河小浪底水利樞紐大壩變形預(yù)測方法研究與分析[D];中國礦業(yè)大學(xué)(北京);2012年

4 王婷;EMD算法研究及其在信號去噪中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

5 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

6 楊劍峰;蟻群算法及其應(yīng)用研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前7條

1 楊超;改進(jìn)的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在大壩變形預(yù)測中的應(yīng)用[D];東華理工大學(xué);2016年

2 王文川;基于人工智能算法的聚丙烯熔融指數(shù)預(yù)報建模與優(yōu)化研究[D];浙江大學(xué);2016年

3 章浙濤;小波分析理論及其在變形監(jiān)測中的應(yīng)用研究[D];中南大學(xué);2014年

4 陳正威;深基坑坑周土體水平位移量預(yù)測研究[D];華北水利水電大學(xué);2014年

5 陳冬娣;基于小波變換與經(jīng)驗?zāi)B(tài)分解的電機(jī)轉(zhuǎn)子振動信號處理方法的研究[D];南京師范大學(xué);2013年

6 王建波;小波變換在橋梁變形監(jiān)測數(shù)據(jù)處理中的應(yīng)用[D];山東科技大學(xué);2011年

7 胡靈芝;混凝土壩變形安全監(jiān)控時變模型及其應(yīng)用研究[D];河海大學(xué);2005年

，

本文編號：1870738