组合预测模型在大坝变形预测中的应用研究.doc

组合预测模型在大坝变形预测中的应用研究

3.29万字 71页 原创作品，已通过查重系统


摘 要

随着我国国家综合实力的提升，水电建行业飞速发展，人们越来越重视大坝建筑物的安全性，变形监测技术所发挥的作用也越来越大，而大坝的变形监测也已成为水利水电工程领域的重要研究课题之一，其目的是通过监测大坝上各点的位移变化，分析大坝监测数据资料，掌握大坝的变形规律，建立大坝的变形预测模型，定量预测大坝的变形情况，便于及时地发现异常变化，准确判断大坝的运行安全状况，采取必要措施避免事故的发生，从而确保大坝的安全运行。
目前，大坝的变形预测模型种类很多，例如回归分析模型，时间序列分析模型、灰色系统分析模型、模糊聚类分析模型、人工神经网络模型及小波理论等。但是单项模型大多是对其中的某一个因素构建预测模型，有一定的局限性，建立的模型也很难准确地预测建筑物的变形规律。所以充分利用各个单项模型的优点，将它们用适当方法的组合在一起，建立起一种新的综合性的模型，有利于提高预测的精度。组合模型的优点是更加全面和系统科学，可以有效地让显著因子在模型中发挥作用，并且有助于优化预测模型，本文基于实测大坝监测数据，综合分析组合模型的适用性，为相关监测的变形预测提供参考。主要研究内容如下：
（1）概述并分析BP神经网络模型以及GM（11）模型的基本原理，预测方法和过程。
（2）以两种预测模型为子模型建立大坝变形预测的组合模型，三种模型分别结合大坝监测点实测数据对变形情况进行预测，用得出的对比分析结果表明组合模型的预测精度要优于各单项模型的预测精度。
（3）用上述实例分析结果表明组合模型可一定程度上提高大坝变形预测的精度，因此在大坝的变形监测中具有广阔的应用前景。



关键词：变形监测；BP神经网络；GM（11）模型；组合模型