混凝土壩變形實測數(shù)據(jù)往往具有較強的非線性和不確定性。首先通過小波軟閾值法對監(jiān)測數(shù)據(jù)進行去噪預處理,并根據(jù)大壩變形統(tǒng)計模型確定變形的影響因子;然后在SVM的基礎(chǔ)上建立變形預測模型,為提高模型的有效性,將模型的輸入量進行PCA降維處理,以降低因子間的相關(guān)性,并采用IPSO算法對SVM的參數(shù)進行尋優(yōu),建立了基于PCA-IPSO-SVM的組合預測模型。最后的實例應用表明該模型所得的預測值與實測值擬合較好,并與傳統(tǒng)的單一SVM模型和BP神經(jīng)網(wǎng)絡預測結(jié)果進行對比,結(jié)果表明本文提出的方法具有較高的精度,在處理類似問題上具有較強的優(yōu)勢,為混凝土壩變形預測提供了一種新思路。 

【文章來源】：中國農(nóng)村水利水電. 2020,(07)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

建模流程圖

某水電站由攔河大壩、壩后溢流式廠房、埋設于壩內(nèi)的輸水系統(tǒng)、泄水底孔及過木筏等組成,大壩類型為混凝土重力壩,壩頂高程280 m,最大壩高78 m,壩頂全長253 m,本文為分析其位移變化情況,選取該壩的9號壩段引張線測點EX7自2012年12月6日至2013年12月26日的監(jiān)測數(shù)據(jù)為樣本,樣本實測位移和上游水位過程線如圖2所示,其中以2012年12月6日至2013年12月6日的數(shù)據(jù)為訓練集,以2013年12月7日至2013年12月26日的數(shù)據(jù)為測試集。2.1 數(shù)據(jù)預處理

小波分解過程線

【參考文獻】：
期刊論文
[1]小波閾值降噪算法在光電探測器信號處理中的應用[J]. 吳艷,張蓉竹.  光子學報. 2019(10)
[2]基于改進小波閾值- EMD算法的高拱壩結(jié)構(gòu)振動響應分析[J]. 魏博文,鐘紫蒙.  水利水運工程學報. 2019(04)
[3]基于主成分分析和聚類分析的紅河州植煙土壤特性研究[J]. 唐佐芯,李天壁,陳澤斌,李銀花,楊啟凡,陳麗娟,任禛,王彬彬,付亞麗,王坤,夏體淵.  西南農(nóng)業(yè)學報. 2019(07)
[4]基于AdaBoost-SVM的混凝土壩變形預測模型[J]. 趙二峰,尹文中,高嵩,汪程,陳悅,楊群.  南水北調(diào)與水利科技. 2019(05)
[5]因子分析綜合評價應該注意的問題[J]. 林海明,劉照德,詹秋泉.  數(shù)理統(tǒng)計與管理. 2019(06)
[6]基于SVM的混凝土壩變形監(jiān)控模型預測能力實例分析[J]. 錢秋培,崔偉杰,包騰飛,李慧.  長江科學院院報. 2018(08)
[7]基于PSO的SVM-ARIMA大壩安全監(jiān)控模型[J]. 黃夢婧,楊海浪.  人民黃河. 2018(08)
[8]基于PCA-RBF神經(jīng)網(wǎng)絡的混凝土壩位移趨勢性預測模型[J]. 陳斯煜,戴波,林潮寧,曹文翰.  水利水電技術(shù). 2018(04)
[9]改進的PSO-SVM模型在大壩變形預測中的應用[J]. 徐朗,蔡德所.  中國農(nóng)村水利水電. 2018(03)
[10]基于改進PSO-ELM算法的混凝土壩變形非線性監(jiān)控模型[J]. 張海龍,范振東.  水電能源科學. 2018(01)



本文編號：3208872