【摘要】：水庫作為當(dāng)今社會不可或缺的水利工程樞紐,一直以來發(fā)都揮著巨大的工程效益。同時(shí)也作為防汛抗洪調(diào)度的核心工程,為確保一方平安做出了巨大貢獻(xiàn)。水力發(fā)電不斷為經(jīng)濟(jì)社會發(fā)展以及工業(yè)生產(chǎn)提供著所需能源,為人們的日常飲水灌溉提供了穩(wěn)定的動(dòng)力和來源。大壩是水庫建設(shè)與運(yùn)營的核心建筑物,大壩在設(shè)計(jì)時(shí)需要考慮結(jié)構(gòu)和高度,而大壩的結(jié)構(gòu)和高度是根據(jù)洪水淹沒范圍來考慮,有時(shí)也需要考慮上下游的梯級水電站。建筑環(huán)境的復(fù)雜多變使得壩體通常承受著巨大的荷載,易發(fā)生各種類型的偏移及形變,因此安全監(jiān)測對水庫大壩來說至關(guān)重要。在定期進(jìn)行監(jiān)測的基礎(chǔ)上,也需要結(jié)合往期數(shù)據(jù)對大壩的形變進(jìn)行分析預(yù)測,以便在險(xiǎn)情來臨之前可以做到提早預(yù)防。大壩壩體變形的產(chǎn)生與諸多因素有關(guān),如上下游庫水位差,氣壓,溫度,時(shí)效等,同時(shí)由于這些因素一般具有較強(qiáng)的隨機(jī)性,各因素之間的關(guān)系較為復(fù)雜,使得這些因素對壩體的變形量產(chǎn)生的影響無法用確切的定量關(guān)系式描述。現(xiàn)階段,大壩變形監(jiān)測數(shù)據(jù)分析的方法多種多樣,其中大都是結(jié)合長期的變形監(jiān)測數(shù)據(jù)并利用統(tǒng)計(jì)模型對大壩的安全狀況進(jìn)行分析判斷,試驗(yàn)研究表明統(tǒng)計(jì)模型在處理類似大壩變形這種非線性模糊系統(tǒng)時(shí)存在缺陷和不足,分析預(yù)測的結(jié)果存在較大的誤差,可靠性和穩(wěn)定性不能達(dá)到要求。由于BP網(wǎng)絡(luò)模型可以處理非線性映射問題,而且在處理該問題上具有相當(dāng)明顯的優(yōu)勢。本課題選用BP神經(jīng)網(wǎng)絡(luò)模型來對大壩變形的預(yù)警進(jìn)行分析研究。同時(shí)對傳統(tǒng)的BP網(wǎng)絡(luò)模型存在的缺陷進(jìn)行改進(jìn),在傳統(tǒng)BP網(wǎng)絡(luò)模型的基礎(chǔ)上加入遺傳算法和改進(jìn)粒子群優(yōu)化算法,使用這兩種優(yōu)化算法實(shí)現(xiàn)了對傳統(tǒng)BP網(wǎng)絡(luò)模型的優(yōu)化,并將其應(yīng)用于工程實(shí)例。結(jié)果表明,基于遺傳算法和改進(jìn)粒子群優(yōu)化算法的BP模型相較于傳統(tǒng)的數(shù)值分析方法和單一 BP模型分析方法具有預(yù)測精度高,容錯(cuò)能力和泛化能力強(qiáng)等優(yōu)點(diǎn)。
[Abstract]:Reservoir, as an indispensable water conservancy project, has always been a huge project benefit. At the same time, as the core project of flood control and flood control, it has made a great contribution to ensure the safety of one side. Hydroelectric power supply energy for economic and social development and industrial production, and provide stable power and source for people's daily drinking water irrigation. The dam is the core building of reservoir construction and operation. The structure and height of the dam should be considered when it is designed, and the structure and height of the dam are considered according to the scope of flood inundation, and sometimes the upstream and downstream cascade hydropower stations are also considered. Because of the complex and changeable building environment the dam body usually bears huge loads and is prone to various types of migration and deformation. Therefore safety monitoring is very important to the reservoir dam. On the basis of regular monitoring, it is also necessary to analyze and predict the deformation of the dam with the data of the previous period so as to prevent the dam early before the danger comes. The deformation of dam body is related to many factors, such as water level difference, air pressure, temperature, aging and so on. At the same time, because of the strong randomness of these factors, the relationship between these factors is more complex. The influence of these factors on the deformation of the dam body can not be described by the exact quantitative relation. At present, there are a variety of methods for analyzing dam deformation monitoring data, most of which are combined with long-term deformation monitoring data and statistical model is used to analyze and judge the safety status of dams. The experimental results show that the statistical model has defects and shortcomings in dealing with nonlinear fuzzy systems such as dam deformation, and the results of analysis and prediction have large errors, and the reliability and stability cannot meet the requirements. Because the BP network model can deal with nonlinear mapping problem, it has obvious advantages in dealing with this problem. In this paper, BP neural network model is used to analyze and study the early warning of dam deformation. At the same time, the defects of the traditional BP network model are improved. Genetic algorithm and improved particle swarm optimization algorithm are added to the traditional BP network model. The two optimization algorithms are used to realize the optimization of the traditional BP network model. It is applied to engineering example. The results show that the BP model based on genetic algorithm and improved particle swarm optimization algorithm is superior to the traditional numerical analysis method and single BP model analysis method in high prediction accuracy, fault tolerance and generalization ability.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP183;TV698.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐培亮;;擴(kuò)展大壩變形預(yù)報(bào)方法的應(yīng)用[J];武測科技;1988年01期

2 徐云飛,金敏;激光準(zhǔn)直法測量大壩變形探討[J];光電子·激光;2001年09期

3 鄧躍進(jìn),張正祿;大壩變形的頻譜分析方法[J];測繪信息與工程;1997年04期

4 黃全義,張正祿;神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在大壩變形預(yù)測中的應(yīng)用[J];測繪信息與工程;2001年03期

5 鄧興升,王新洲;根據(jù)歷史位移預(yù)報(bào)大壩變形的神經(jīng)網(wǎng)絡(luò)方法[J];水電自動(dòng)化與大壩監(jiān)測;2004年02期

6 張潔潔;陳天偉;陳凱華;;基于逐步回歸分析的大壩變形分析模型研究[J];全球定位系統(tǒng);2011年03期

7 趙巨仁;汾河水庫大壩變形分析[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2002年05期

8 吳秀娟,李征航;基于BP網(wǎng)絡(luò)的大壩變形分析與預(yù)報(bào)[J];測繪信息與工程;2003年05期

9 繆新穎;褚金奎;杜小文;;LM-BP神經(jīng)網(wǎng)絡(luò)在大壩變形預(yù)測中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2011年01期

10 劉輝;張明;廖順山;;基于BP神經(jīng)網(wǎng)絡(luò)的Kalman濾波在大壩變形數(shù)據(jù)處理中的應(yīng)用[J];科技風(fēng);2009年18期

相關(guān)會議論文 前8條

1 劉子俠;王清;王永全;;基于聚類分析與兩級模糊綜合評判相結(jié)合的大壩變形分析與預(yù)報(bào)研究[A];第二屆全國巖土與工程學(xué)術(shù)大會論文集（上冊）[C];2006年

2 張猛;朱錦杰;滕世敏;李得英;;公伯峽水電站大壩變形性態(tài)分析[A];高寒地區(qū)混凝土面板堆石壩的技術(shù)進(jìn)展論文集[C];2013年

3 徐偉;何金平;;基于多尺度小波分析的大壩變形自回歸預(yù)測模型[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

4 張永光;陳余才;薛倩;丁俊福;;指數(shù)平滑法在小浪底大壩變形預(yù)測中的應(yīng)用[A];現(xiàn)代空間定位技術(shù)應(yīng)用研討交流會論文集（第5卷 第3集）[C];2007年

5 崔建偉;薛建成;李學(xué)全;張永光;;指數(shù)平滑法在小浪底大壩變形預(yù)測中的應(yīng)用[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

6 楊寧安;;貓?zhí)蛹t楓水電站大壩變形觀測資料分析[A];中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專業(yè)委員會1998年學(xué)術(shù)年會暨中青年科技成果報(bào)告會論文集[C];1998年

7 孫小冉;;基于因子分析法的大壩變形安全監(jiān)控模型[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

8 顧沖時(shí);徐寶松;劉貝貝;;大壩變形溫變效應(yīng)的一種分析方法研究[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

相關(guān)博士學(xué)位論文 前4條

1 王小敏;基于有限元方法的大壩變形分析與仿真研究[D];武漢大學(xué);2010年

2 王曉旭;全自動(dòng)真空激光大壩變形測量系統(tǒng)的研制[D];大連理工大學(xué);2006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 趙卿;大壩變形分析多測點(diǎn)統(tǒng)計(jì)模型的應(yīng)用研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉敏;改進(jìn)支持向量機(jī)在大壩變形預(yù)測中的應(yīng)用研究[D];江西理工大學(xué);2015年

2 李瑞;桐子壕水電站大壩變形觀測研究與實(shí)踐[D];西南石油大學(xué);2016年

3 趙相博;基于基因表達(dá)式編程的大壩變形預(yù)測系統(tǒng)的研究[D];江西理工大學(xué);2014年

4 翟信德;基于支持向量機(jī)的大壩變形預(yù)測研究[D];合肥工業(yè)大學(xué);2007年

5 張瀟瓏;基于基因表達(dá)式編程的大壩變形預(yù)測模型研究[D];江西理工大學(xué);2014年

6 曹光明;龍羊峽大壩變形性態(tài)分析[D];天津大學(xué);2004年

7 楊麗;小波理論在大壩變形監(jiān)測數(shù)據(jù)分析中的應(yīng)用研究[D];西安理工大學(xué);2010年

8 劉子龍;基于小波包和基因表達(dá)式編程的大壩變形預(yù)測模型研究[D];江西理工大學(xué);2013年

9 袁崢;EV模型在大壩變形監(jiān)測數(shù)據(jù)處理中的應(yīng)用研究[D];河海大學(xué);2007年

10 張飛;基于粒子群的BP神經(jīng)網(wǎng)絡(luò)在大壩變形預(yù)測中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2011年

，

本文編號：2261242