大坝变形预测相关论文
构建高精度的变形预测模型对于大坝风险评估及防治措施制定具有极其重要的意义。传统的大坝变形预测模型鲜有针对大坝的变形滞后性......
为深度挖掘时序数据中前后信息的动态相关性,探究大坝变形的内在影响机理,有效提高模型预测精度,构建了一种基于混合注意力机制与鲸鱼......
对大坝变形进行合理分析和准确预测是确保大坝安全运行的重要手段.大坝变形监测数据具有趋势性、周期性、随机性和非线性等特性,现......
对大坝变形情况进行预测,明确大坝的实际状况是保证其长期安全稳定运行的关键之一,目前研究中普遍存在预测精度不足以满足实际需求......
随着GNSS等新技术的发展,大坝变形监测已经实现全天候实时动态化,传统的大坝变形预测方法不能很好地对海量的监测数据进行处理。深......
作为大坝安全监测系统的重要组成部分,大坝变形预测方法的研究成为学者关注的热点,而大坝变形数据存在非线性关系强和影响因素复杂......
变形预测模型是大坝结构安全性态分析的关键技术支撑.针对现有大坝变形预测模型在精确度、泛化性等方面的不足,将自适应模糊神经网......
大坝变形监测设施所获得监测数据序列受噪声污染并呈强非线性以及混沌特性.为对其进行预测分析,需对监测数据进行去噪去理,并选用......
支持向量机的核函数选择对大坝监控模型的预测精度具有较大影响,基于支持向量机结构风险最小化理论以及小波框架理论,提出用小波核......
为了提高大坝变形数据的预测精度,该文提出一种变分模态分解和长短时记忆神经网络相组合的预测模型。对大坝的历史变形数据进行变......
为了解决大坝变形预测模型易陷入局部最优及不适用大规模数据等问题,采用一种快速高效的基于决策树的梯度提升框架LightGBM,并结合......
合理有效的安全监控预报模型,是保障大坝的安全运行的重要手段。针对传统统计模型预测精度不高的问题,通过对BP神经网络的优化改进......
为保障大坝的安全运营状态,需要根据已有的观测数据预测大坝未来的变形量。而目前对于大坝变形的预测方法较多,传统的预测方法存在预......
提出了一种基于改进粒子群算法的BP神经网络(IPSO-BP)模型来进行大坝变形预测。此模型融合粒子群优化算法的全局寻优和BP神经网络......
针对大坝变形影响因素的复杂性以及监测数据的非线性、随机波动大和预测难度大等问题,提出一种改进自适应粒子群(particle swarm,P......
波动性大、规律性和整体性较差的建筑物变形数据,难以用参数回归模型描述其变化规律,为此建立了一种基于高斯核基函数的非参数回归模......
大坝早期变形是一个含有已知和未知因素的不确定的复杂过程,沉降变形计算和预测在水库运营管理中具有重要意义。针对大坝变形沉降......
针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应......
文章将思维进化优化算法引入大坝变形预测领域,提出基于思维进化法优化小波神经网络(MEA-WNN)的大坝变形预测模型。通过算例验证,并与W......
针对波动性大、规律性和平稳性均较差的大坝变形监测数据,采用事先设定变形曲线建模会因设定不当而出现拟合预测误差较大的问题。......
传统的GM(1,1)模型通常以第1点作为初始值来确定积分常数C,缺少一定的理论依据。文中就GM(1,1)模型初始值的优化选取进行了深入的探讨,......
针对传统BP神经网络自身存在局部极小值及模型的泛化能力差时预测精度无法满足实际需求等的不足,本文用AdaBoost算法优化传统的BP......
由于单一的BP神经网络预测模型存在一些缺陷,对于复杂的非线性问题,BP神经网络预测模型的拟合能力具有局限性,容易陷入局部极小值,......
将混沌时间序列预测理论应用到大坝变形预测中,根据非线性大坝变形时间序列,运用相空间重构理论,建立了加权一阶局域法、基于最大Lyap......
针对大坝自动监测数据序列存在不稳定性和测值漂移问题,本文研究了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络(BP)的大坝变......
提高大坝变形预测的精度是大坝安全监测的重要内容之一。将BAS算法应用到BP神经网络模型中,通过对BP神经网络模型的权值和阈值进行......
从时频联合域分析角度出发,探讨基于局域均值分解(LMD)和BP神经网络模型的大坝变形预测方法;利用局域均值分解把时间序列分解为多......
针对传统基因表达式编程方法预测方面的不足,采用动态评估策略的GEP算法深入分析并预测了大坝变形趋势,对监测某大坝变形进行了预......
利用灰色—马尔科夫模型对南俄5水电站大坝变形进行预测分析研究,利用数据分组技术进一步提高了灰色—马尔科夫模型预测变形的精度......
卡尔曼滤波模型被广泛运用于大坝的变形预测,然而其参数的识别,尤其是状态和观测噪音协方差矩阵的识别,主要来源于工程经验和领域专家......
以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结......
大坝变形原始观测信号可视为真实信号与白噪声的叠加.为实现对大坝变形的有效预测,将小波去噪与云模型相结合,提出一种大坝变形时......
土石坝的时效变形具有一定的单调性和不确定性。云模型较好地把定性概念的模糊性和随机性结合在一起,对不确定性问题的解决有着很......
为提高大坝变形预测精度,针对大坝变形监测序列的非线性、非平稳性等特点,提出一种基于具有自适应噪声的完整集成经验模态分解(CEE......
大坝变形是同一时刻内外多种荷载综合作用的结果,挖掘位移监测数据潜在规律和发展趋势是大坝变形预测诊断的关键技术,但常规GNSS+......
传统的BP神经网络拥有良好的逼近非线性映射能力,然而由于其自身存在收敛速度慢,容易陷入局部极小值和泛化能力差的不足,往往难以......
介绍了基于统计学习理论的一种新的机器学习技术——支持向量机(SVM)和其拓展方法——最小二乘支持向量机(LSSVM),并将LSSVM算法应用于......
针对大坝安全预测采用传统的统计模型、确定性模型和混合模型存在的不足,应用遗传算法(GA)与基于误差反向传播算法(BP)相结合,构成GA-BP......
根据水电站大坝多年的变形观测数据,基于神经网络模型方法预测大坝的变形。研究中应用MATLAB工具箱建立BP网络模型,预报大坝的变形......
大坝变形是水压、温度等多种因素综合作用的结果,变形监测数据是非平稳非线性的时间序列,并且在时间维度上具有关联性。为充分挖掘......
提出了一种基于小波变换和支持向量机的大坝变形预测方法。通过小波变换把变形时间序列分解成具有不同频率特征的分量,根据各分量......
针对大坝变形具有强非线性的特点以及在采用传统神经网络模型进行预测时存在局部极小、过学习等问题,提出一种新的大坝变形预测方......
通过对大坝的变形预测进行研究,引入了实时灰度预测方法,并对预测模型进行了优化设计,达到对拟合方程实时修正的效果,指出其与复杂......
受水位、温度等诸多因素共同影响,大坝变形具有随机性和非线性特征,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的大......
大坝变形是同一时刻内外多重风险因素综合作用的结果,应用时序分析方法挖掘历史监测数据潜在规律是变形预测的常用方法,现有时变预......
针对BP神经网络预测极易陷入局部最优解,利用思维进化算法优化BP神经网络的初始权值和阈值,提出基于思维进化法优化BP神经网络(MEA-......
为提高大坝变形预测精度,针对大坝变形监测序列的非线性、非平稳性等特点,提出一种基于具有自适应噪声的完整集成经验模态分解(CEE......
大坝变形是水压、温度等多种因素综合作用的结果,变形监测数据是非平稳非线性的时间序列,并且在时间维度上具有关联性。为充分挖掘......