【技术实现步骤摘要】
一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法
本专利技术涉及大坝运行安全监测与管理
，具体的说，是一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法。
技术介绍
大坝在其服役过程中受到外荷载环境等多复杂因素的影响，其局部和整体的安全性能随时间推移而逐步消退，大坝变形是评价大坝现役性态的重要指标，反映了坝体在外部环境荷载与内部筑坝材料性能演变双重耦合作用下的动态演变过程，通过采集与整理变形监测数据，深入挖掘变形演变规律以及对监测信号的混沌信号处理，建立实时预报模型，对于评价大坝运行工况，保障大坝安全具有重要意义。基于坝体、坝基、高边坡周边环境和滑坡对水库大坝的影响的原型观测和渗流，通常使用一些数学、机械和人工智能理论和方法来分析和评估大坝的行为。被认为是保证大坝工程使用安全的有效途径，但对大坝变形与其影响因子之间的复杂非线性关系挖掘不足，常用的大坝变形安全监测资料分析模型主要有3种:统计模型、确定性模型、混合模型，统计模型计算高效简便且考虑了静水荷载，但无法从力学...
【技术保护点】
1.一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法，其特征在于，包括以下步骤：/nS1.根据已有大坝变位资料，选取合适坝段并通过ANSYS建立有限元模型，利用弹性力学有限元方法计算荷载作用下坝体测点的变形值，得到水压分量，温度分量以及时效分量，并采用统计模型的方法建立混合模型；/nS2.构建残差修正的混凝土坝变形组合预报模型。/n
【技术特征摘要】
1.一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法，其特征在于，包括以下步骤：
S1.根据已有大坝变位资料，选取合适坝段并通过ANSYS建立有限元模型，利用弹性力学有限元方法计算荷载作用下坝体测点的变形值，得到水压分量，温度分量以及时效分量，并采用统计模型的方法建立混合模型；
S2.构建残差修正的混凝土坝变形组合预报模型。
2.根据权利要求1中所述的一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法，其特征在于，步骤S2中所述构建残差修正的混凝土坝变形组合预报模型，构建方法如下：
S3.利用EMD的信号处理方法EEMD，通过高斯白噪声频率的均匀分布特性，使信号在不同尺度上具有连续性，通过多次平均处理抵消噪声，抑制甚至完全消除噪声影响，解决EMD的易混模效应，将交织在一起的各种不同频率组成的混合信号分解成为多组高频感应IMF和1组低频趋势信号；
S4.PSO-ELM大坝变形残差序列的高频感应信号处理；
S5.ARIMA(p,d,q)大坝变形残差序列的低频趋势信号处理：建立ARIMA(p,d,q)模型预报模型；
S6.构建基于PSO-ELM和ARIMA残差修正的混凝土坝变形组合预报模型。
3.根据权利要求2中所述的一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法，其特征在于，步骤S4中所述PSO-ELM大坝变形残差序列的高频感应信号处理，处理过程为：
设有N个训练数据集(xi,yi)，输入数据集xi＝[xi1,xi2,...,xin]T∈Rn，输出数据集yi＝[yi1,yi2,...,yim]T∈Rm以及包含L(N0≥L)个隐藏节点和激活函数g(x)，其表达式为
可以随机输入连接权值wi和隐式层偏差bi，确定隐层输出矩阵H，同时对ELM神经网络进行训练后，将其转化为一个线性系统Hβ＝T，从而确定输出权重β，然后，将粒子群优化算法应用于ELM关键参数的寻优处理。
4.根据权利要求2中所述的一种基于ARIMA和PSO-ELM的混凝土坝变形组合预报模型构建方法，其特征在于，步骤S5中所述建立ARIMA(p,d,q)模型预报模型的过程为：
S51.平稳性检验与平稳化处理
利用时间序列的散点图、自相关函数ACF、偏自相关函数图PACF和单位根ADF检验时间序列的平稳性，如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行d阶差分处理；
S52....
【专利技术属性】
技术研发人员：魏博文，罗绍杨，贾璐，程颖新，徐富刚，黄伟，李火坤，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西;36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。