自回归改进模型在拦渣坝安全监测中的应用及预测
|
摘要
随着我国经济持续稳定的高速发展,以开发水能资源和解决水或其他问题而兴建的大坝工程将越来越多。大坝安全监测是大坝安全管理工作的耳目,是降低工程风险、减少事故、揭示大坝实际工作性态的重要手段。对大坝原型监测资料的分析,是判断大坝安危的科学依据。因此对大坝监测资料做出及时、合理、有效的分析是大坝安全监控的重要工作之一。
在大坝安全监测领域中,大坝变形监测方案的设计和数据处理方法的选择至关重要。本文针对奉节梅溪河大坝进行了大坝变形监测方案的设计,在前人的基础上,选择了时间序列模型中的自回归模型来预测变形趋势。在利用最小二乘原理求解自回归模型参数时,发现大地测量模型强烈非线性的特点使得回归模型往往得不到满意的回归效果,因而选择了遗传算法(GA)应用于自回归模型参数的求解。又由于遗传算法易陷入局部最优,采用了蚁群算法对其优化,建立了基于遗传算法和蚁群算法相结合的GAAA算法,在C语言的平台上进行了编程实现。本文分别将基于最小二乘原理求解的MAR模型、基于遗传算法的GA模型、基于遗传算法和蚁群算法相结合的GAAA模型应用在大坝监测资料的分析预报上,进行了大坝垂直方向的变形分析预报,并进行了详细的比较,发现GAAA模型无论是在收敛速度、稳定性上,还是在预报精度上,都有着明显的优势,证明了GAAA模型模型能很好地应用在大坝安全监测中,为大坝变形监测的数据分析提供了一种新的思路。
With the rapid development of economy in China, to develop water resources and solve problems in the construction of water conservancy and hydropower projects will be more and more, especially the dam will increase. Dam safety monitoring is the key to the dam safety management. It is an important means to reduce project risks and accidents, to reveal the actual work of the dam. The analysis of dam monitoring data is the scientific basis to determine the safety of the dam. To make the analysis of observation data on the dam timely, reasonably and effectively is one of the important works of dam safety monitoring.
In the field of dam safety monitoring, deformation monitoring program design and data processing is essential to choose. This article was Fengjie Meixi River dam dam deformation monitoring program design. Based on the previous, Select a time series model from the regression model to predict the deformation trend. Solving least square principle in the use of autoregressive model parameters, we found a strong geodetic model of the characteristics of nonlinear regression model allows the regression results are not satisfactory, so choose a genetic algorithm (GA) from the regression model parameters used solving.As easy to fall into local optimum genetic algorithms, the ant colony algorithm will optimization it in this paper, and this paper will establishe based on genetic algorithms and ant colony optimization algorithm combining GAAA. The programming platform in the C language. This paper will be based on principle of least squares to solve the MAR model, the GA model based on genetic algorithms, genetic algorithms and ant colony algorithm based on the combination of GAAA model used in the prototype and prediction on dam monitoring data analysis for the vertical deformation of the dam analyzing and forecasting, and make a detailed comparison, GAAA model was found both in convergence speed, stability, or in the prediction accuracy, all have a distinct advantage. Proved GAAA model model can be applied to dam safety monitoring, deformation analysis for the dam to provide a new forecasting model.
在大坝安全监测领域中,大坝变形监测方案的设计和数据处理方法的选择至关重要。本文针对奉节梅溪河大坝进行了大坝变形监测方案的设计,在前人的基础上,选择了时间序列模型中的自回归模型来预测变形趋势。在利用最小二乘原理求解自回归模型参数时,发现大地测量模型强烈非线性的特点使得回归模型往往得不到满意的回归效果,因而选择了遗传算法(GA)应用于自回归模型参数的求解。又由于遗传算法易陷入局部最优,采用了蚁群算法对其优化,建立了基于遗传算法和蚁群算法相结合的GAAA算法,在C语言的平台上进行了编程实现。本文分别将基于最小二乘原理求解的MAR模型、基于遗传算法的GA模型、基于遗传算法和蚁群算法相结合的GAAA模型应用在大坝监测资料的分析预报上,进行了大坝垂直方向的变形分析预报,并进行了详细的比较,发现GAAA模型无论是在收敛速度、稳定性上,还是在预报精度上,都有着明显的优势,证明了GAAA模型模型能很好地应用在大坝安全监测中,为大坝变形监测的数据分析提供了一种新的思路。
With the rapid development of economy in China, to develop water resources and solve problems in the construction of water conservancy and hydropower projects will be more and more, especially the dam will increase. Dam safety monitoring is the key to the dam safety management. It is an important means to reduce project risks and accidents, to reveal the actual work of the dam. The analysis of dam monitoring data is the scientific basis to determine the safety of the dam. To make the analysis of observation data on the dam timely, reasonably and effectively is one of the important works of dam safety monitoring.
In the field of dam safety monitoring, deformation monitoring program design and data processing is essential to choose. This article was Fengjie Meixi River dam dam deformation monitoring program design. Based on the previous, Select a time series model from the regression model to predict the deformation trend. Solving least square principle in the use of autoregressive model parameters, we found a strong geodetic model of the characteristics of nonlinear regression model allows the regression results are not satisfactory, so choose a genetic algorithm (GA) from the regression model parameters used solving.As easy to fall into local optimum genetic algorithms, the ant colony algorithm will optimization it in this paper, and this paper will establishe based on genetic algorithms and ant colony optimization algorithm combining GAAA. The programming platform in the C language. This paper will be based on principle of least squares to solve the MAR model, the GA model based on genetic algorithms, genetic algorithms and ant colony algorithm based on the combination of GAAA model used in the prototype and prediction on dam monitoring data analysis for the vertical deformation of the dam analyzing and forecasting, and make a detailed comparison, GAAA model was found both in convergence speed, stability, or in the prediction accuracy, all have a distinct advantage. Proved GAAA model model can be applied to dam safety monitoring, deformation analysis for the dam to provide a new forecasting model.
引文
[1]张有天.从岩石水力学观点看几个重大工程事故[J].水利学报,2003,(5)：1-10.
[2]牛运光.病险水库加固实例[M].北京：中国水利水电出版社,2002.
[3]翁静君.人工神经网络在大坝安全监控中的应用研究[D].南京：河海大学,2006.
[4]钱正英.中国水利[M].北京：水利电力出版社,1991.
[5]陈久宇.应用实测位移资料研究刘家峡重力坝横缝的结构作用[J].水利学报,1982(12).
[6]吴中如.混凝土坝观测物理量的数学模型及其应用[J].华东水利学院学报,1984(3).
[7]吴中如、沈长松等.论混凝土坝变形统计模型的因子选择[J].河海大学学报,1988(6).
[8]吴中如、张明歧等.用组合流变模型研究地下洞室周壁变形的时间效应[J].河海大学学报,1986(2).
[9]加拿大大坝安全协会(CDSA)主编,大坝安全导则及其评注.
[10]Thun JLV. Application of decision analysis techniques in dam safety evalvation and modification. Proc of the ICOSD, C2.2, Rotterdam,1984:265-271.
[11]李君纯.水库大坝安全评判的研究[J].水利水运科学研究,1999(1).
[12]高伟,徐绍铨.长江中游大地形变GPS监测及精度分析[J],长江科学院院报,2005.2,22(1),28-31.
[13]肖栾,胡友健,王晓华.GPS技术在变形监测中的应用综述[J],工程地球物力学报,2005.4,2(2),P160-165.
[14]常学将,陈敏,王明生.时间序列分析[M].北京：高等教育出版社,1993.
[15]陈兆国.时间序列及其谱分析[M]北京：科学出版社,1988.
[16]S.M.潘迪特,吴宪民.时间序列及系统分析与应用.北京：机械工业出版社,1988.
[17]杨位钦,顾岚.时间序列分析与动态数据建模[M].北京：工业学院出版社,1986.
[18]吴今培.实用时间序列[M].湖南：科学技术出版社,1989.
[19]安鸿志,陈兆国,杜金观,潘一民.时间序列的分析与应用[M].北京：科学出版社,1983.
[20]项静恬,杜金观,史久思.动态数据处理一时间序列分析[M].北京：气象出版社,1986.
[21]史代敏.经济时间序列确定趋势与随机趋势辨析[J].天津商学院学报,2001.21(6)：12-14.
[22]王立杰,刘志东.经济时间序列分析技术在煤炭价格预测中的应用[J].煤炭学报,200126(1)：109-112.
[23]Jayawardena A W等.降雨和径流时间序列的混沌分析与预测[J].人民长江,1996.27(6)：43-45.
[24]陈素维.时间序列在建筑结构振动分析中的应用[J].西安工程科技学院学报,2003.17(2)：179-181.
[25]刘永熙,闻邦椿,杨积东,郭立新.投资时间序列的混沌分维研究.东北大学学报(自然科学版),2001.22(5)：524-526.
[26]耿显民.时间序列价格模型及其应用[J].应用数学学报,2002.25(2)：372-377.
[27]付义祥,刘志强.边坡位移的混沌时间序列分析方法及应用研究[J].武汉理工大学学报(交通科学与工程版),2003.27(4)：473-476.
[28]刘沫宇,迟秀文等.时间序列分析法与边坡位移预报[J].武汉工业大学报.1995.(3)：46-49
[29]吕培印,杨锦军,陈伟.时间序列分析法预报建筑物地基沉降量[J].辽宁工学院学报,1996.16(4)：27-30.
[30]朱永全,景诗庭,张清.时间序列分析在隧道施工监测中的应用[J].岩石力学与工程学报,1996.15(1)：353-359.
[31]郑璐石,任克亮.时间序列分析在岩体开挖位移监测中的应用[J].宁夏大学学报(自然科学版),1998.19(2)：123-124.
[32]徐浩峰,应宏伟,朱向荣.时间序列分析方法预报基坑支撑轴力[J].水利学报,2004.15(1)：05-108.
[33]玄光男,程润伟.遗传算法与工程优化[M].北京：清华大学出版社,2003.
[34]王新洲、陶本藻、邱卫宁、姚宜斌等.高等测量平差[M].北京：测绘出版社,2006.8第一版.
[35]Schaffer, J.D.et..A Study of Control Parameters Affecting Onling Performance of Genetic Algorithms for Function Optimization.Proc.third Conf[J].Genetic Algorithms,1989,51-60.
[36]丁莉芬,陈志武,陈振锋.遗传算法控制参数选注的仿真研究[J].科技信息,2007,36：774-775.
[37]T Stutzle, Hoos. Improvementson the Ant System:Introducing MAX-MIN ant System. In Proceeding
[38]丁建立,陈增强,袁著祉.遗传算法与蚂蚁算法的融合[J].计算机研究与发展,1999,36(10)：1240-1245.
[2]牛运光.病险水库加固实例[M].北京：中国水利水电出版社,2002.
[3]翁静君.人工神经网络在大坝安全监控中的应用研究[D].南京：河海大学,2006.
[4]钱正英.中国水利[M].北京：水利电力出版社,1991.
[5]陈久宇.应用实测位移资料研究刘家峡重力坝横缝的结构作用[J].水利学报,1982(12).
[6]吴中如.混凝土坝观测物理量的数学模型及其应用[J].华东水利学院学报,1984(3).
[7]吴中如、沈长松等.论混凝土坝变形统计模型的因子选择[J].河海大学学报,1988(6).
[8]吴中如、张明歧等.用组合流变模型研究地下洞室周壁变形的时间效应[J].河海大学学报,1986(2).
[9]加拿大大坝安全协会(CDSA)主编,大坝安全导则及其评注.
[10]Thun JLV. Application of decision analysis techniques in dam safety evalvation and modification. Proc of the ICOSD, C2.2, Rotterdam,1984:265-271.
[11]李君纯.水库大坝安全评判的研究[J].水利水运科学研究,1999(1).
[12]高伟,徐绍铨.长江中游大地形变GPS监测及精度分析[J],长江科学院院报,2005.2,22(1),28-31.
[13]肖栾,胡友健,王晓华.GPS技术在变形监测中的应用综述[J],工程地球物力学报,2005.4,2(2),P160-165.
[14]常学将,陈敏,王明生.时间序列分析[M].北京：高等教育出版社,1993.
[15]陈兆国.时间序列及其谱分析[M]北京：科学出版社,1988.
[16]S.M.潘迪特,吴宪民.时间序列及系统分析与应用.北京：机械工业出版社,1988.
[17]杨位钦,顾岚.时间序列分析与动态数据建模[M].北京：工业学院出版社,1986.
[18]吴今培.实用时间序列[M].湖南：科学技术出版社,1989.
[19]安鸿志,陈兆国,杜金观,潘一民.时间序列的分析与应用[M].北京：科学出版社,1983.
[20]项静恬,杜金观,史久思.动态数据处理一时间序列分析[M].北京：气象出版社,1986.
[21]史代敏.经济时间序列确定趋势与随机趋势辨析[J].天津商学院学报,2001.21(6)：12-14.
[22]王立杰,刘志东.经济时间序列分析技术在煤炭价格预测中的应用[J].煤炭学报,200126(1)：109-112.
[23]Jayawardena A W等.降雨和径流时间序列的混沌分析与预测[J].人民长江,1996.27(6)：43-45.
[24]陈素维.时间序列在建筑结构振动分析中的应用[J].西安工程科技学院学报,2003.17(2)：179-181.
[25]刘永熙,闻邦椿,杨积东,郭立新.投资时间序列的混沌分维研究.东北大学学报(自然科学版),2001.22(5)：524-526.
[26]耿显民.时间序列价格模型及其应用[J].应用数学学报,2002.25(2)：372-377.
[27]付义祥,刘志强.边坡位移的混沌时间序列分析方法及应用研究[J].武汉理工大学学报(交通科学与工程版),2003.27(4)：473-476.
[28]刘沫宇,迟秀文等.时间序列分析法与边坡位移预报[J].武汉工业大学报.1995.(3)：46-49
[29]吕培印,杨锦军,陈伟.时间序列分析法预报建筑物地基沉降量[J].辽宁工学院学报,1996.16(4)：27-30.
[30]朱永全,景诗庭,张清.时间序列分析在隧道施工监测中的应用[J].岩石力学与工程学报,1996.15(1)：353-359.
[31]郑璐石,任克亮.时间序列分析在岩体开挖位移监测中的应用[J].宁夏大学学报(自然科学版),1998.19(2)：123-124.
[32]徐浩峰,应宏伟,朱向荣.时间序列分析方法预报基坑支撑轴力[J].水利学报,2004.15(1)：05-108.
[33]玄光男,程润伟.遗传算法与工程优化[M].北京：清华大学出版社,2003.
[34]王新洲、陶本藻、邱卫宁、姚宜斌等.高等测量平差[M].北京：测绘出版社,2006.8第一版.
[35]Schaffer, J.D.et..A Study of Control Parameters Affecting Onling Performance of Genetic Algorithms for Function Optimization.Proc.third Conf[J].Genetic Algorithms,1989,51-60.
[36]丁莉芬,陈志武,陈振锋.遗传算法控制参数选注的仿真研究[J].科技信息,2007,36：774-775.
[37]T Stutzle, Hoos. Improvementson the Ant System:Introducing MAX-MIN ant System. In Proceeding
[38]丁建立,陈增强,袁著祉.遗传算法与蚂蚁算法的融合[J].计算机研究与发展,1999,36(10)：1240-1245.