基于一对一连接BP神经网络的混凝土坝坝基扬压力监控模型研究

发布时间：2020-06-20 14:43

【摘要】：坝基扬压力是混凝土坝安全监测中的一项重要物理量,通过对它的监测分析,可以掌握坝基的渗流形态,了解防渗帷幕和排水系统的工作性能以及坝体的稳定情况。本文首先阐述两种常规坝基扬压力监控模型——逐步回归分析模型和BP神经网络模型。逐步回归分析模型原理简单,操作方便,且可进行因子分离,定量研究各因子对扬压力的影响;但无法对非线性系统进行模拟,预测精度很难保证。BP神经网络模型实现了输入到输出的高度非线性映射,预测精度一般较高;但无法展开各因子对扬压力影响的定量研究。同时,常规模型输入因子内容多样、数目多。在此基础上,本文提出一对一连接BP神经网络坝基扬压力监控模型。该模型是在BP神经网络的基础上,对网络结构和输入因子两个方面进行改变。(1)一对一连接BP神经网络坝基扬压力监控模型将BP神经网络输入层和隐藏层之间神经元的连接方式由全连接变为一对一连接,隐藏层和输出层之间仍保持全连接不变。网络结构改变后,模型输出为各因子影响效应线性累加之和的形式,这是模型能实现因子分离的根本原因。一对一连接BP神经网络模型不仅实现了输入因子与扬压力之间的非线性映射,还可进行因子分离,定量研究各因子对扬压力的影响。同时,网络结构的改变使隐藏层神经元个数等于输入因子个数,克服了BP神经网络隐藏层神经元个数难以确定的问题。(2)一对一连接BP神经网络坝基扬压力监控模型采用一种新的输入因子选择方法。考虑坝基扬压力测压孔管水位监测数据时间上的连续性,用测压孔管水位前一次监测值,前后两次管水位监测时对应的上游水位变化值、下游水位变化值、降雨变化值和气温变化值来预测后一次管水位。因子数目减少为5且内容固定,有效控制了输入因子的个数,避免了输入因子内容的多样化。本文利用丹江口大坝坝基扬压力监测资料,在R语言中建立逐步回归分析模型、BP神经网络模型和一对一连接BP神经网络模型。计算结果表明一对一连接BP神经网络模型因子分离结果可靠,预测精度最高;BP神经网络模型预测精度其次;逐步回归分析模型预测精度最低。然后对一对一连接BP神经网络模型进行分析,研究发现网络结构的改变对模型预测精度不会产生影响,输入因子的改变才是模型预测精度提高的原因。同时,网络结构和输入因子的改变均能减少模型中计算参数的个数,提高模型计算效率。因此使用一对一连接BP神经网络模型对混凝土坝坝基扬压力监测资料进行分析是有效可行的,可为大坝的安全运行提供科学依据。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TV698.1
【图文】：

阐明逐步回归分析模型可进行因子分离的原因，在此基础上受卷积神经网络非全连接特性的启发，将 BP 神经网络输入层和隐藏层之间神经元的连接方式由全连接变为一对一连接，从而实现因子的分离。然后考虑坝基扬压力测压孔管水位监测数据在时间上的连续性，用测压孔管水位前一次监测值，前后两次管水位监测时对应的上游水位变化值、下游水位变化值、降雨变化值和气温变化值来预测后一次管水位。最后对一对一连接 BP 神经网络坝基扬压力监控模型的优点进行总结。第四章 实例应用利用丹江口大坝 10#坝段 U10-1 测压孔管水位监测资料，在 R 语言中建立逐步回归分析模型、BP 神经网络模型和一对一连接 BP 神经网络模型。比较分析三种模型的预测能力，得出结论。最后对一对一连接 BP 神经网络坝基扬压力监控模型进行深入剖析，研究网络结构和输入因子的改变对模型预测精度的影响。第五章 总结与展望对全文研究工作进行总结，指出论文存在的不足以及还可继续研究的方向。

图 2-2 Sigmoid 型函数图知，在远离 0 两端的区域内因变量随自变量增长十分和区。样本数据在非饱和区内学习，会使模型参数的练前，要先对数据进行标准化处理，公式如下。经（0，1）区间。minmax min'=i iii ix xxx x minmax min'=y yyy y ，minix ——因子ix 的最大值和最小值；——因子ix 标准化后的值；，miny ——坝基扬压力测压孔管水位的最大值和最小

【相似文献】

相关期刊论文 前10条

1 赵凤英;陶金宇;;太平湾大坝坝基扬压力系数的分析确定[J];吉林水利;2013年11期

2 李思慎;水工建筑物扬压力设计中的几个问题[J];长江水利水电科学研究院院报;1985年01期

3 E·Reinius ,汪学昌;岩石冲刷[J];陕西水力发电;1988年03期

4 高澜;刘家峡坝基实测扬压力的特点及原因分析[J];人民黄河;1988年03期

5 龙声;;山东省海洋仪器仪表研究所[J];山东省科学院院刊;1988年02期

6 S.S.赛尼;沈长松;;布哈克拉大坝的安全监控[J];河海大学科技情报;1988年04期

7 李克俭;坝基渗流状态[J];四川水力发电;1989年01期

8 沈长松;吴中如;;混凝土坝坝基扬压力统计模型的探讨[J];河海大学学报;1989年01期

9 潘家铮;水工建筑物的设计扬压力和封闭式排水[J];水力发电;1980年02期

10 廖国运;;浅谈枫树坝坝基扬压力自动化监测[J];科技展望;2016年05期

相关会议论文 前10条

1 苗强;寇立斌;;丰满大坝横向扬压力自动化系统改造及运行分析[A];全国大坝安全监测技术信息网2008年度技术信息交流会暨全国大坝安全监测技术应用和发展研讨会论文集[C];2008年

2 梅一韬;何鹏;;3种混凝土坝坝基扬压力监控模型的比较[A];中国原水论坛专辑[C];2010年

3 苗琴生;;混凝土坝扬压力标准值分项系数的分析研究[A];水力发电工程与水工建筑物学术论文集[C];2000年

4 但其宝;;喜河水电站坝基渗漏量异常分析[A];全国大坝安全监测技术信息网2008年度技术信息交流会暨全国大坝安全监测技术应用和发展研讨会论文集[C];2008年

5 范书立;陈健云;林皋;;渗透压力对重力坝有限元分析的影响研究[A];第九届全国岩土力学数值分析与解析方法讨论会论文集[C];2007年

6 张志烈;陈鸣钊;苏超;;应用模糊数学预测坝基扬压力[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

7 龚友龙;郭俊;沈凤群;赵盛杰;岳宏斌;;漫湾电站大坝安全监测系统改造实践综述[A];高坝建设与运行管理的技术进展——中国大坝协会2014学术年会论文集[C];2014年

8 谢兴华;赵庭华;耿妍琼;张文峰;;大型渠道砂砾石基础排水降压计算研究[A];全国地下工程超前地质预报与灾害治理学术及技术研讨会论文集（Ⅲ）[C];2009年

9 周林;龚高武;宾斌;赵铁军;;沙坡头水利枢纽坝基破碎砂岩层防渗加固灌浆技术的探讨[A];2015水利水电地基与基础工程——中国水利学会地基与基础工程专业委员会第13次全国学术研讨会论文集[C];2015年

10 谭日升;蒋硕忠;;三峡工程的防排水措施与材料[A];中国重庆首届化学灌浆与防水堵漏裂缝控制技术研讨会文集[C];2006年

相关重要报纸文章 前4条

1 弘业期货 张永鸽;玻璃期价上扬压力重重[N];中国建材报;2016年

2 龙跃;股指上扬压力加大 市场又入敏感期[N];中国证券报;2007年

3 杨晓荣;铝 高位整理[N];中国证券报;2002年

4 杨声原;锌价高位或将承压[N];中国有色金属报;2010年

相关博士学位论文 前2条

1 汪洋;高混凝土重力坝水力劈裂机理研究及设计准则探讨[D];清华大学;2016年

2 张乾飞;复杂渗流场演变规律及转异特征研究[D];河海大学;2002年

相关硕士学位论文 前10条

1 刘冬临;基于一对一连接BP神经网络的混凝土坝坝基扬压力监控模型研究[D];华中科技大学;2019年

2 吴舅槐;黄龙带水库浆砌石重力坝扬压力变化与渗漏规律研究[D];华南理工大学;2019年

3 张艳芳;大坝基础扬压力模型研究及其应用[D];河海大学;2006年

4 傅春江;华光潭拱坝扬压力偏高成因分析及安全性评价[D];浙江大学;2011年

5 李文枫;混凝土坝在线监测分析与健康评价系统研究[D];大连理工大学;2009年

6 刘情情;混凝土重力坝复杂岩基渗流规律与渗控效果研究[D];清华大学;2013年

7 贾彩虹;老坝渗流的敏感性研究[D];河海大学;2002年

8 姜振翔;融合多源时空信息的混凝土重力坝运行性状诊断方法研究[D];南昌大学;2015年

9 李冬荔;重力坝和挡土墙的结构边界元分析[D];哈尔滨工程大学;2005年

10 陈良;复杂坝基上重力坝的渗流分析及深层抗滑稳定性安全评价[D];河海大学;2002年

本文编号：2722570