基于智能計(jì)算的大壩安全監(jiān)測方法研究.pdf

1、本文以大壩的安全監(jiān)測為背景，根據(jù)智能計(jì)算在各學(xué)科領(lǐng)域內(nèi)的廣泛應(yīng)用和大壩安全監(jiān)測分析方法的發(fā)展特點(diǎn)，進(jìn)行了安全監(jiān)測中正反分析智能化分析的新方法以及安全監(jiān)測點(diǎn)位置優(yōu)化選擇的研究。主要內(nèi)容如下： 引入基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法—支持向量機(jī)(SVM)到大壩安全監(jiān)測領(lǐng)域，建立了大壩安全監(jiān)測的SVM模型，經(jīng)對實(shí)際數(shù)據(jù)的建模分析并和以往方法的比較表明，支持向量機(jī)在預(yù)測精度、泛化性能等方面明顯好于以往方法。針對經(jīng)典SVM在處理大規(guī)模數(shù)據(jù)問題

2、時(shí)效率慢的不足，引入最小二乘支持向量機(jī)(LSSVM)，大大改善了其學(xué)習(xí)效率，同時(shí)結(jié)合和聲搜索(HS)算法，建立了和聲搜索最小二乘支持向量機(jī)(HSLSSVM)的大壩安全監(jiān)測自適應(yīng)建模方法，實(shí)測數(shù)據(jù)分析表明該模型同時(shí)具有建模簡單、自適應(yīng)、學(xué)習(xí)效率高、預(yù)測精度高和泛化能力強(qiáng)等特點(diǎn)。 應(yīng)用大壩材料參數(shù)反演的兩種新方法：微粒群算法(PSO)和人工魚群算法(AFSA)并對其進(jìn)行改進(jìn)。對PSO重新構(gòu)建了慣性權(quán)重的非線性衰減函數(shù)，能夠更好地協(xié)調(diào)

3、算法的全局和局部收斂能力；同時(shí)還將模擬退火算法(SA)引入到微粒群算法中，增強(qiáng)了算法跳出局部極小的能力，提高了搜索效率。對AFSA，首先應(yīng)用具有完全混沌特性的Logistic映射系統(tǒng)構(gòu)造了AFSA的隨機(jī)數(shù)發(fā)生系統(tǒng)，同時(shí)構(gòu)建了感知距離的動(dòng)態(tài)調(diào)整策略，不僅使算法能較快地到達(dá)全局極值附近，同時(shí)還加強(qiáng)了算法后期的局部搜索能力。計(jì)算表明，改進(jìn)后建立的ISAPSO和ICAFSA反演算法是兩個(gè)整體性能較優(yōu)的新方法，豐富了大壩材料參數(shù)反演的智能化方法集

4、。 分析了大壩效應(yīng)量、參數(shù)靈敏度和監(jiān)測點(diǎn)位置優(yōu)選的關(guān)系，提出了大壩安全監(jiān)測中測點(diǎn)位置優(yōu)選度的概念并建立了測點(diǎn)位置優(yōu)選度定量計(jì)算的方法，以此可以指導(dǎo)在建大壩安全監(jiān)測點(diǎn)的布設(shè)和已建大壩進(jìn)行正反分析時(shí)監(jiān)測資料的選取。然后通過對神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)結(jié)構(gòu)的分析和公式推導(dǎo)，得到網(wǎng)絡(luò)輸出對網(wǎng)絡(luò)輸入的靈敏度計(jì)算的一般公式。在使用正交實(shí)驗(yàn)定性地分析了對大壩應(yīng)力應(yīng)變起主要作用的控制性參數(shù)之后，分別通過重力壩和土石壩算例，應(yīng)用有限元-神經(jīng)網(wǎng)絡(luò)方法計(jì)算