基于智能计算的大坝安全监测方法研究

摘要

本文以大坝的安全监测为背景，根据智能计算在各学科领域内的广泛应用和大坝安全监测分析方法的发展特点，进行了安全监测中正反分析智能化分析的新方法以及安全监测点位置优化选择的研究。主要内容如下： 引入基于统计学习理论的机器学习方法—支持向量机(SVM)到大坝安全监测领域，建立了大坝安全监测的SVM模型，经对实际数据的建模分析并和以往方法的比较表明，支持向量机在预测精度、泛化性能等方面明显好于以往方法。针对经典SVM在处理大规模数据问题时效率慢的不足，引入最小二乘支持向量机(LSSVM)，大大改善了其学习效率，同时结合和声搜索(HS)算法，建立了和声搜索最小二乘支持向量机(HSLSSVM)的大坝安全监测自适应建模方法，实测数据分析表明该模型同时具有建模简单、自适应、学习效率高、预测精度高和泛化能力强等特点。 应用大坝材料参数反演的两种新方法：微粒群算法(PSO)和人工鱼群算法(AFSA)并对其进行改进。对PSO重新构建了惯性权重的非线性衰减函数，能够更好地协调算法的全局和局部收敛能力；同时还将模拟退火算法(SA)引入到微粒群算法中，增强了算法跳出局部极小的能力，提高了搜索效率。对AFSA，首先应用具有完全混沌特性的Logistic映射系统构造了AFSA的随机数发生系统，同时构建了感知距离的动态调整策略，不仅使算法能较快地到达全局极值附近，同时还加强了算法后期的局部搜索能力。计算表明，改进后建立的ISAPSO和ICAFSA反演算法是两个整体性能较优的新方法，丰富了大坝材料参数反演的智能化方法集。 分析了大坝效应量、参数灵敏度和监测点位置优选的关系，提出了大坝安全监测中测点位置优选度的概念并建立了测点位置优选度定量计算的方法，以此可以指导在建大坝安全监测点的布设和已建大坝进行正反分析时监测资料的选取。然后通过对神经网络和支持向量机结构的分析和公式推导，得到网络输出对网络输入的灵敏度计算的一般公式。在使用正交实验定性地分析了对大坝应力应变起主要作用的控制性参数之后，分别通过重力坝和土石坝算例，应用有限元-神经网络方法计算了大坝控制性参数的灵敏度在坝体内的分布，然后进行了大坝位移监测点的位置优选度计算，最后通过算例对本文计算方法的正确性进行了验证。

目录

文摘

英文文摘

声明

1绪论

1.1引言

1.2大坝安全监测分析模型的研究进展

1.2.1大坝安全监测正分析模型

1.2.2大坝安全监测反分析模型

1.2.3参数灵敏度计算和测点优化布置

1.2.4大坝安全监测正反分析中所存在的问题

1.3本文的主要研究工作

2支持向量机及其改进方法在大坝安全监测预测模型中的应用研究

2.1大坝安全监测预测模型建模的传统的统计回归方法和神经网络方法

2.1.1统计回归建模方法

2.1.2神经网络建模方法

2.2支持向量机建模方法及应用

2.2.1机器学习

2.2.2统计学习理论

2.2.3标准支持向量机

2.2.4支持向量回归机

2.2.5支持向量回归机在大坝安全监测变形预测中的应用

2.2.6最小二乘支持向量机算法

2.2.7最小二乘支持向量机在大坝安全监测变形预测中的应用及比较

2.3引入和声搜索技术的最小二乘支持向量机自适应建模方法

2.3.1最小二乘支持向量机建模时存在的问题

2.3.2和声搜索技术

2.3.3和声搜索最小二乘支持向量机模型

2.3.4滚动预测方法

2.3.5和声搜索最小二乘支持向量机大坝安全监测预测模型

2.4本章小结

3大坝材料参数反演的两种改进智能化新方法研究

3.1微粒群算法的大坝材料参数反演方法研究

3.1.1基本微粒群算法及分析

3.1.2标准微粒群算法

3.1.3微粒群算法的参数分析

3.1.4基于标准微粒群算法的大坝材料参数反演

3.1.5微粒群算法的改进和融合

3.1.6具有惯性权重非线性衰减策略的模拟退火微粒群算法大坝参数反演

3.2人工鱼群算法的大坝材料参数反演方法研究

3.2.1人工鱼群算法及其行为描述

3.2.2人工鱼群算法的全局收敛性及各参数对收敛性的影响分析

3.2.3基于人工鱼群算法的大坝材料参数反演

3.2.4人工鱼群算法的改进和融合

3.2.5具有感知距离动态调整策略的混沌人工鱼群算法大坝参数反演

3.3本章小结

4结构参数灵敏度计算的智能化方法及大坝安全监测点位置优选度计算的分析研究

4.1结构参数灵敏度的概念及其求解方法

4.1.1结构参数灵敏度的基本概念

4.1.2灵敏度计算的有限差分法

4.1.3灵敏度计算的半解析法和解析法

4.2参数灵敏度和测点位置优选

4.2.1监测点位置优选的工程意义

4.2.2监测点位置优选的基本原则

4.3大坝安全监测中测点位置优选度计算方法的建立

4.4大坝参数灵敏度计算的智能化方法

4.4.1基于神经网络的参数灵敏度计算方法

4.4.2基于支持向量机的参数灵敏度计算方法

4.4.3数值算例

4.5重力坝计算参数的灵敏度计算及测点位置优选度计算

4.5.1正交试验方法

4.5.2重力坝参数敏感性分析

4.5.3重力坝参数灵敏度计算

4.5.4重力坝坝体位移监测点位置优选度的计算

4.6土石坝计算参数的灵敏度计算及测点位置优选度计算

4.6.1邓肯-张模型简介

4.6.2土石坝邓肯-张模型计算参数敏感性分析

4.6.3土石坝坝体位移控制性参数的灵敏度计算

4.6.4土石坝坝体位移监测点位置优选度的计算

4.7测点位置优选度计算方法合理性的验证

4.8本章小结

5结论与展望

参考文献

创新点摘要

攻读博士学位期间发表(完成)的相关学术论文

致谢