心墻堆石壩變形的組合預(yù)測模型與應(yīng)用研究.pdf

1、大壩變形通常是由于多種因素的復(fù)雜耦合作用而產(chǎn)生的，具有高度的復(fù)雜性和不確定性。其不確定性主要體現(xiàn)在由于資料不完備或考慮因素不全面而產(chǎn)生的灰色特性和各個影響因素與大壩變形之間存在的模糊性，目前還沒有一種可以完全確定的模型和公式來表示大壩變形的全部特性。由于大壩變形是大壩安全的嚴(yán)重威脅，因此建立一個精度可靠的、適用性廣泛的大壩變形趨勢的分析預(yù)測模型是亟需解決的問題。
　　針對目前缺乏綜合考慮大壩變形的灰色特性和模糊性的研究現(xiàn)狀，本文結(jié)

2、合西南某心墻堆堆石壩工程實例，開展了以下研究工作，取得以下主要研究成果：
　　（1）由于大壩變形的影響因素及其變量表達形式眾多，直接作為輸入會造成計算時間較長。針對此問題，對影響心墻變形的主要因素（時間因素、填筑因素、水位因素）以及其變量表達形式進行了相關(guān)性分析，得出主要影響變量；并采用主成分分析法對影響因素進行降維處理，得到兩個主成分。
　?。?）針對目前研究缺乏綜合考慮大壩變形的灰色特性和模糊性的不足，提出自適應(yīng)網(wǎng)絡(luò)模糊

3、推理系統(tǒng)（adaptive neuro fuzzy inference system，ANFIS）優(yōu)化灰色理論模型（Grey Model，GM）來預(yù)測大壩的變形。通過實例分析，表明ANFIS-GM模型的精度比傳統(tǒng)的只考慮大壩變形灰色特性的GM模型更高。
　　（3）采用遺傳算法（Genetic Alogrithm，GA）優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型（Back Propagation Artificial Neural Network，BP

4、），克服了BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)值的缺點。通過結(jié)合工程實例分析得出該模型比較適合于大樣本的預(yù)測分析。
　?。?）組合模型可充分的利用各模型的有效信息，其精度通常優(yōu)于單一模型。針對于傳統(tǒng)的組合模型沒有考慮時間因素對組合模型的影響，提出基于考慮時間影響的神經(jīng)網(wǎng)絡(luò)組合模型，并與傳統(tǒng)的最小預(yù)測誤差平方和為目標(biāo)函數(shù)的線性權(quán)重組合模型進行了對比，表明它能夠更好地預(yù)測大壩變形。
　　通過實例分析，表明：①兩種形式的組合模型精度通常優(yōu)