一种考虑多种不确定性的大坝渗流性态分析方法技术

本发明专利技术公开了一种考虑多种不确定性的大坝渗流性态分析方法，包括：步骤1，利用拉丁超立方抽样方法和大坝渗流数值模拟模型构造样本对；步骤2，利用步骤1构造的样本对建立代理模型；步骤3，采用随机方法量化反演过程中的多种不确定性，并基于贝叶斯规则计算待反演的渗流参数，将计算得到的待反演的渗流参数用于校正大坝渗流数值模拟模型，从而对大坝渗流性态进行准确分析。本发明专利技术在渗流参数随机反演方法中综合考虑多种不确定性，从而准确可靠地反演大坝渗流参数并合理地分析评估渗流性态。

【技术实现步骤摘要】
一种考虑多种不确定性的大坝渗流性态分析方法
本专利技术涉及水利水电工程中大坝渗流性态分析技术，特别涉及一种考虑多种不确定性的大坝渗流性态分析方法。
技术介绍
渗流参数(如坝体和坝基的渗透系数)是影响大坝渗流数值模拟模型准确性的关键参数。然而，通过室内试验或者现场原位试验所获取的渗流参数和实际情况均有较大偏差。以现场观测资料为基础的参数反演分析方法能够获得较为准确的渗流参数，为校正大坝渗流数值模拟模型提供数据基础，因而在大坝渗流性态分析中占有重要地位。目前常用的参数反演方法有很多，包括最小二乘法[1]、高斯-牛顿法[2]，Levenberg-Marquardt方法[3]；人工神经网络[4]和遗传算法[5]等。然而，这些参数反演方法都只能得到渗流参数的确定性点估计值，而没有考虑反演过程中存在的多种不确定性问题，得到的反演结果可靠性较低。渗流参数反演过程中往往存在多种不确定性，例如模型不确定性、参数不确定性和测量不确定性等。模型不确定性一般来源于采用概念模型对真实渗流物理现象的近似表达、对复杂水文地质模型的简化以及网格离散化时的误差等本文档来自技高网...

【技术保护点】
1.一种考虑多种不确定性的大坝渗流性态分析方法，其特征在于，包括以下步骤：/n步骤1，利用拉丁超立方抽样方法和大坝渗流数值模拟模型构造样本对；/n步骤2，利用步骤1构造的样本对建立代理模型；/n步骤3，采用随机方法量化反演过程中的多种不确定性，并基于贝叶斯规则计算待反演的渗流参数，将计算得到的待反演的渗流参数用于校正大坝渗流数值模拟模型，从而对大坝渗流性态进行准确分析。/n

【技术特征摘要】
1.一种考虑多种不确定性的大坝渗流性态分析方法，其特征在于，包括以下步骤：
步骤1，利用拉丁超立方抽样方法和大坝渗流数值模拟模型构造样本对；
步骤2，利用步骤1构造的样本对建立代理模型；
步骤3，采用随机方法量化反演过程中的多种不确定性，并基于贝叶斯规则计算待反演的渗流参数，将计算得到的待反演的渗流参数用于校正大坝渗流数值模拟模型，从而对大坝渗流性态进行准确分析。


2.根据权利要求1所述的一种考虑多种不确定性的大坝渗流性态分析方法，其特征在于，步骤1中，所述的利用拉丁超立方抽样方法和大坝渗流数值模拟模型构造样本对包括：
根据工程经验以及室内试验和原位试验数据确定待反演的渗流参数的取值范围，采用拉丁超立方抽样方法从待反演的渗流参数的取值范围内抽取样本点，将样本点逐个输入到大坝渗流数值模拟模型中进行模拟计算，得出样本点对应的响应值，将样本点与该样本点对应的响应值组成样本对。


3.根据权利要求1所述的一种考虑多种不确定性的大坝渗流性态分析方法，其特征在于，步骤2中，所述的利用步骤1构造的样本对建立代理模型包括：
取设定比例的样本对为训练样本，剩下的样本对为测试样本；
训练Kriging模型作为代理模型，Kriging模型的数学表达式如公式(1)所示：



式中，θ为输入数据，代表待反演的渗流参数；f(θ)为Kriging模型的输出值，代表测点的水头值；β为回归系数；P为多项式函数的数量，由多项式函数的阶数和初始样本点数决定；g(θ)为关于变量θ的已知多项式函数，采用零阶多项式；Z(θ)为Kriging模型的高斯随机项，Z(θ)的协方差函数表示为如公式(2)所示：
Cov[Z(θjj),Z(θkk)]＝σ2R(θjj,θkk)(2)
式中，σ2为Z(θ)的方差；R(θjj,θkk)为任意两个样本θjj和θkk的空间相关函数，R(θjj,θkk)采用高斯相关函数，如公式(3)所示：



式中，和分别为θjj和θkk的第ii个分量；N为水头监测点的个数；λii为待定系数，通过极大似然估计法确定。


4.根据权利要求1所述的一种考虑多种不确定性的大坝渗流性态分析方法，其特征在于，步骤3中，所述的采用随机方法量化反演过程中的多种不确定性，并基于贝叶斯规则计算待反演的渗流参数包括：
采用步骤2中所构建的代理模型替代大坝渗流数值模拟模型，基...

【专利技术属性】
技术研发人员：王晓玲，余红玲，佟大威，关涛，王佳俊，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12