基于BP神经网络的混凝土坝安全监测统计模型研究

发布时间：2017-07-01 10:13

  本文关键词：基于BP神经网络的混凝土坝安全监测统计模型研究，由笔耕文化传播整理发布。

【摘要】：建国以来,我国修建了众多的拦河大坝,这些工程在防洪、发电和灌溉等方面发挥着重要的作用。然而,由于水工建筑物规模宏大、地形地质条件复杂、结构形式多样、运行条件多变、承受荷载较重、施工历时长、过程复杂、建成后运行管理不当、结构老化等原因,水利工程安全监测被逐渐重视。深入的研究大坝与坝基安全监测理论与方法,不仅对监控大坝安全状况起到重要作用,使大坝安全运行的前提下充分发挥工程效益,而且对发展坝工理论,提高施工和管理水平具有深远意义。目前,处理大坝变形监测数据的方法越来越多,传统的方法包括统计模型、确定模型和混合模型。新兴的方法有神经网络算法、小波分析等。近年来,粒子群模糊聚类算法、改进粒子群算法、混合蛙跳算法、粒子群仿生算法、蚁群算法等也被引入到大坝监测数据的处理中,并取得了一定的成果。这些方法都有各自的优缺点,统计模型给出变形与影响因子之间的函数关系,便于对变量进行解析计算,定量分析大坝的变形规律,但模型的函数关系需要人为划定；BP神经网络模型,预报的精度和效果方面优于逐步回归统计模型,但是神经网络模型容易陷入局部极小、泛化能力差等。本文结合BP神经网络模型预测较精确的优点和统计模型的简洁实用的特点,提出一种新的大坝安全监测数据处理的方法,即基于BP神将网络模型的统计模型。该方法用BP神经网络的模型计算值与实测值之差作为统计模型的效应量值,从而求出大坝变形的差值统计模型,将计算的差值统计模型的计算值与BP神经网络的模型计算值相加,可求得基于BP神经网络的统计模型的模型计算值,在预测时,用差值统计模型的预测值与BP神经网络模型的预测值相加,即可求得基于BP神经网络的统计模型的预测值。将该模型用于大坝监测资料的分析,并以新安江重力坝为例,建立大坝16#、18#坝段变形监测的统计模型、BP神经网络模型以及基于BP神经网络的统计模型,并分析该方法的可行性与优越性。本文研究的主要内容如下：1.简述用混凝土坝各监测效应量建立统计模型时的基本原理和主要方法,以及大坝变形分析的BP神经网络模型的原理和建模方法。2.并分别基于SPSS18.0建立了大坝变形的逐步回归统计模型,基于Matlab2012建立了BP神经网络模型,从两种模型的建模及预测结果可知,BP神经网络模型在建模和预测精度方面都优于统计模型。3.通过对比分析统计模型和BP神经网络模型的优缺点,建立基于BP神经网络模型的统计模型。4.建立18#坝段的统计模型、BP神经网络模型以及基于BP神经网络模型的统计模型,通过对18#坝段的三种模型对比分析可知,基于BP神经网络模型的统计模型的建模及预测精度优于统计模型和BP神经网络模型,进一步验证了该方法的正确性与优越性。总之,基于BP神经网络模型的统计模型既有BP神经网络模型的精度,又有统计模型的解析式,预测的精度也优于单一的统计模型和单一的BP神经网络模型。
【关键词】：新安江重力坝 统计模型 BP神经网络模型 基于BP神经网络的统计模型 建模 预测
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TV698.1
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-17
• 1.1 研究大坝安全监测的目的和意义11-12
• 1.2 国内外有关大坝安全监测的研究现状12-15
• 1.3 存在的问题15-16
• 1.4 问题的提出16
• 1.5 本文的主要内容16-17
• 第二章 统计模型的基本理论17-35
• 2.1 概述17-18
• 2.2 逐步回归分析法18-23
• 2.3 混凝土重力坝变形监测量统计模型23-34
• 2.4 SPSS统计分析包34
• 2.5 小结34-35
• 第三章 BP神经网络原理35-49
• 3.1 神经网络的发展史35-36
• 3.2 BP神经网络原理36-38
• 3.3 神经元模型及BP神经网络构建38-41
• 3.4 BP神经网络的若干改进41-45
• 3.5 BP神经网络应用实例45-48
• 3.6 MATLAB神经网络工具箱48
• 3.7 小结48-49
• 第四章 基于BP神经网络的统计模型的基本理论49-53
• 4.1 统计模型的优缺点49
• 4.2 BP神经网络模型的优缺点49
• 4.3 基于BP神经网络的统计模型49-51
• 4.4 基于统计模型的BP神经网络模型51-52
• 4.5 小结52-53
• 第五章 新安江重力坝变形监测模型53-87
• 5.1 新安江电站概述53-60
• 5.2 16~#坝段变形监测的逐步回归统计模型60-68
• 5.3 16~#坝段变形监测的BP神经网络模型68-73
• 5.4 16~#坝段基于BP神经网络的统计模型73-79
• 5.5 16~#坝段三种变形监测模型的对比分析79-80
• 5.6 18~#坝段建模及预报的三种模型80-86
• 5.7 小结86-87
• 第六章 结论与展望87-89
• 6.1 结论87-88
• 6.2 展望88-89
• 致谢89-91
• 参考文献91-95
• 附录95

【参考文献】

中国期刊全文数据库 前8条

1 何金平,李珍照;大坝结构实测性态综合评价指标体系研究[J];大坝观测与土工测试;2000年06期

2 何金平,李珍照;基于突变理论的大坝安全动态模糊综合分析与评判[J];系统工程;1997年05期

3 吴云芳,李珍照,徐帆;BP神经网络在大坝安全综合评价中的应用[J];河海大学学报(自然科学版);2003年01期

4 何庆中;;防止BP神经网络训练函数进入局部误差振荡缺陷的一种方法[J];四川理工学院学报(自然科学版);2007年03期

5 李雪红,顾冲时,赵斌;大坝裂缝的突变模型研究[J];水电能源科学;2000年04期

6 徐洪钟,吴中如,李雪红,施斌;基于小波分析的大坝观测数据异常值检测[J];水电能源科学;2002年04期

7 王伟;沈振中;王连庆;;基于粒子群仿生算法的混凝土坝变形预报模型[J];水利水电科技进展;2008年04期

8 石森昌;;使用SPSS进行回归分析应注意的一个问题[J];统计教育;2006年08期

中国硕士学位论文全文数据库 前5条

1 董建良;混凝土重力坝监测资料分析与评价[D];南昌大学;2007年

2 陈平志;基于遗传—回归与BP网络的土石坝安全监控模型研究[D];西安理工大学;2008年

3 杨国强;葫芦岛市GPS水准的研究及软件实现[D];辽宁工程技术大学;2008年

4 孙明利;堤防和大坝安全监测信息分析评价系统研究[D];山东大学;2010年

5 李建伟;基于偏最小二乘回归的混凝土坝变形监控模型研究[D];西安理工大学;2009年

  本文关键词：基于BP神经网络的混凝土坝安全监测统计模型研究，，由笔耕文化传播整理发布。

本文编号：505512