论文部分内容阅读
随着大坝安全监控理论与技术的提高,大坝安全监测正朝着大数据和精细化方向发展,常规监测模型已难以满足水工大坝安全监控的需求。为此,针对传统建模方法在其效应量提取及联合学习等方面的不足,从寻求一种高精度适应性强的大坝位移预报模型出发,先后引入组合模型方法、蛙跳算法、混沌理论、人工蜂群算法等方法,在考虑时变与残差等多效应的基础上,探究了蛙跳式组合预报方法与人工蜂群算法在混凝土坝监测模型及正反分析中的应用。主要研究内容如下:(1)通过对统计模型和混合模型中各效应量物理意义的梳理,结合单一预测模型在监测信息挖掘中的训练特点及其优势,构建了混凝土坝安全监控的组合预测模型,并利用混合蛙跳算法(SFLA)的全局和局部优化性能,提出了大坝位移蛙跳式组合预报方法。(2)鉴于传统预报模型难以区分和诠释效应量的时变特性,文中引入多层递阶方法,并结合模型动态系统的时变特性,将残差预测项作为位移监控模型的混沌因子,建立了一种考虑时变效应与混沌残差的蛙跳式组合预报模型,并研制了该模型的具体实施程序,后经工程算例考证了所建模型的有效性。(3)采用Boltzmann概率算法,通过引入自适应机制来自动控制其算法执行中压力的选择,来优化和提升传统人工蜂群算法的运算性能,提出了基于改进人工蜂群算法优化反演大坝物理参数的新方法,据此,利用Ansys和Matlab平台,对运行期坝体和坝基综合弹模实施了优化反演及其效果验证。