基于Kohonen聚类的特高拱坝变形分区

摘要

目前,特高拱坝监测系统日益完善,变形监测点数量众多,但传统变形分析模型主要研究单测点监测序列,较难体现不同测点间的时空关联性.本文研究了Kohonen聚类算法的基本原理,结合大坝变形实测数据训练自组织神经网络,对上下游方向变形测点进行分类,依据测点实际位置实现特高拱坝变形分区,为整体变形监测提供辅助信息.某特高拱坝研究结果表明:Kohonen聚类方法能够有效探测变形数据空间聚集状态,描述特高拱坝实际变形规律,为特高拱坝变形分析提供新方法.