基于环境因子滞后性分析的堆石混凝土坝变形预测方法技术

本发明专利技术提供了基于环境因子滞后性分析的堆石混凝土坝变形预测方法，包括以下步骤：步骤1：对大坝变形时间序列变形监测值进行偏自相关性分析，确定变形因子滞后时间；步骤2：对变形测值序列进行CEEMDAN分解，得到分解序列，并计算序列样本熵值，将样本熵值较高的噪声序列予以剔除；步骤3：根据不同时间滑移窗口滞后长度生成环境量滞后序列；步骤4：计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数，选取与各分解序列相关性最高的环境量滞后序列作为滞后因子；步骤5：根据变形因子、滞后因子构建变形预测输入数据集，应用IPSO

【技术实现步骤摘要】
基于环境因子滞后性分析的堆石混凝土坝变形预测方法


[0001]本专利技术涉及大坝变形预测
，特别是一种基于环境因子滞后性分析的堆石混凝土坝变形预测方法。

技术介绍

[0002]堆石混凝土作为一种新型筑坝材料，具有耐久性好、便于施工、水化热温升平缓等特点，近年来得到广泛应用。目前，全国在建、已建的堆石混凝土坝已超过百座，如何建立有效的安全监测方法将为此类坝型的推广和应用奠定重要基础。
[0003]大坝变形预测分析方法是混凝土坝安全监测的核心项目。有研究表明，大坝变形的环境影响因子如水位、温度等，其对大坝变形的影响效应具有显著的滞后性。专利技术人发现，现有混凝土坝变形预测模型对环境因子滞后性的针对性分析方法特别是定量分析方法缺乏，而堆石混凝土材料作为一种新型筑坝材料对应的研究更为薄弱。因此，针对堆石混凝土坝安全监测需要，如何定量分析环境因子对大坝变形的滞后性影响，并在此基础上构建更为有效的变形预测方法，是目前所要解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于环境因子滞后性分析的堆石混凝土坝变形预测方法，实现有效提高模型的预测精度。
[0005]为实现上述目的，本专利技术采用如下技术方案：基于环境因子滞后性分析的堆石混凝土坝变形预测方法，包括以下步骤：
[0006]步骤1：对大坝变形时间序列变形监测值进行偏自相关性分析，根据偏自相关系数落入指定置信区间内并保持稳定的最大间隔时间，确定变形因子滞后时间；
[0007]步骤2：对变形测值序列进行CEEMDAN分解，得到分解序列，并计算序列样本熵值，将样本熵值较高的噪声序列予以剔除；
[0008]步骤3：根据不同时间滑移窗口滞后长度生成环境量滞后序列；
[0009]步骤4：计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数，选取与各分解序列相关性最高的环境量滞后序列作为滞后因子；
[0010]步骤5：根据变形因子、滞后因子构建变形预测输入数据集，应用IPSO
‑
GRU模型预测堆石混凝土坝变形值。
[0011]在一较佳的实施例中，步骤1的指定置信区间由变形序列训练集PACF值序列的指定置信概率得到，变形因子滞后时间由变形测值时间序列偏自相关系数稳定落入指定概率置信区间的最大时间确定；包含以下步骤：
[0012]步骤11：根据变形序列计算训练集比例因子split，选取训练集序列：
[0013]disp[:]＝DISP[:]*split
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0014]步骤12：计算训练集序列偏自相关系数，得到对应训练集偏自相关系数序列值：
[0015]PACF_disp[:]＝pacf(disp[:],length(disp[:]))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0016]步骤13：计算根据指定置信概率PV，确定偏自相关系数取值置信区间的范围：
[0017][0018]lower_limit＝interval(PV,loc＝PACF_disp[:].mean,
[0019]scale＝sqrt(∑(PACF_disp[:]‑
PACF_disp[:].mean)/length(PACF_disp[:]))[0][0020]步骤14：计算稳定落入指定置信区间的最大滞后天数D_lag，对每个滞后天数D
i
的pacf值，根据步骤13计算的偏自相关系数取值范围，计算下式：
[0021]interval＝(PACF_disp[D
i
]‑
upper_limit)*(PACF_disp[D
i
]‑
lower_limit)
ꢀꢀ
(4)
[0022]将所有interval值大于0的滞后天数记为D
j
，最大值即为变形因子滞后天数D_lag。
[0023]在一较佳的实施例中，步骤2的对变形序列进行CEEMDAN分解，得到分解序列个数num_imf，并通过计算各序列样本熵值大小，将分解序列样本熵最大值视为噪声序列，并予以剔除得到特征序列矩阵imf_mat[:,:]，实现对分解序列进行降噪处理。
[0024]在一较佳的实施例中，步骤3的根据不同时间滑移窗口滞后长度生成环境量滞后矩阵，根据设定的滞后周期lag_day、滞后性滑移组数lag_set、环境因子H、H2、H3、T生成环境量滞后序列；包含以下步骤：
[0025]步骤31：计算最大滞后时间timewin＝lag_day*lag_set，并根据最大滞后时间timewin至目标测值序号dest_number的长度，初始化每个环境量的滞后性矩阵：
[0026][0027][0028][0029][0030]步骤32：将每个环境量的原始值添加到滞后性矩阵的第一列：
[0031][0032]步骤33：根据滞后周期lag_day和滞后性滑移组数lag_set组装环境量滞后矩阵：
[0033][0034]在一较佳的实施例中，步骤4计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数，并挑选各分解序列相关性最高的环境量滞后序列作为环境量滞后因子包含以下步骤：
[0035]步骤41：生成变形特征序列与环境量滞后性序列的相关性矩阵；根据步骤2计算得到的变形实测值imf序列矩阵imf_mat[:,:]，计算imf_mat[:,:]中每个特征序列与步骤3计算得到的各环境量滞后性矩阵对应序列的皮尔逊相关估计值，并保存到相关性矩阵cov_mat[:,:]中：
[0036][0037]步骤42：确定与每个变形特征序列相关性最高的环境量滞后性序列。对每个变形
特征序列，计算关性矩阵cov_mat[:,i]中绝对值最高项对应的环境量因子num_fac[i]、滑移时间窗口周期num_lag[i]：
[0038][0039]步骤43：输出每个变形特征序列相关性最高的滞后因子和对应的滞后滑移时间窗口周期，得到环境量滞后因子集。
[0040]在一较佳的实施例中，步骤5的预测模型，根据步骤1确定的变形滞后因子D_lag、步骤4确定的环境量滞后因子，H1
‑
n、H2
‑
n、H3
‑
n、T
‑
n
…
，n表示滞后滑移时间窗口周期，结合水位、温度、时效因子，形成训练集输入矩阵：
[0041]δ＝δ
H
+δ
T
+δ
θ
+(H1,H2,H3,H4,T)
环境量滞后因子集
+D_lag
变形滞后因子
ꢀꢀ
(10)
[0042]在一较佳的实施例中，步骤5的IPSO
‑
GRU预测模型包含以下步骤：
[0043]步骤51：初始化计算，根据堆石混凝土坝变形序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于环境因子滞后性分析的堆石混凝土坝变形预测方法，其特征在于，包括以下步骤：步骤1：对大坝变形时间序列变形监测值进行偏自相关性分析，根据偏自相关系数落入指定置信区间内并保持稳定的最大间隔时间，确定变形因子滞后时间；步骤2：对变形测值序列进行CEEMDAN分解，得到分解序列，并计算序列样本熵值，将样本熵值较高的噪声序列予以剔除；步骤3：根据不同时间滑移窗口滞后长度生成环境量滞后序列；步骤4：计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数，选取与各分解序列相关性最高的环境量滞后序列作为滞后因子；步骤5：根据变形因子、滞后因子构建变形预测输入数据集，应用IPSO
‑
GRU模型预测堆石混凝土坝变形值。2.根据权利要求1所述的基于环境因子滞后性分析的堆石混凝土坝变形预测方法，其特征在于，步骤1的指定置信区间由变形序列训练集PACF值序列的指定置信概率得到，变形因子滞后时间由变形测值时间序列偏自相关系数稳定落入指定概率置信区间的最大时间确定；包含以下步骤：步骤11：根据变形序列计算训练集比例因子split，选取训练集序列：disp[:]＝DISP[:]*split
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)步骤12：计算训练集序列偏自相关系数，得到对应训练集偏自相关系数序列值：PACF_disp[:]＝pacf(disp[:],length(disp[:]))
ꢀꢀꢀꢀꢀꢀꢀ
(2)步骤13：计算根据指定置信概率PV，确定偏自相关系数取值置信区间的范围：步骤14：计算稳定落入指定置信区间的最大滞后天数D_lag，对每个滞后天数D
i
的pacf值，根据步骤13计算的偏自相关系数取值范围，计算下式：interval＝(PACF_disp[D
i
]
‑
upper_limit)*(PACF_disp[D
i
]
‑
lower_limit)
ꢀꢀꢀꢀꢀ
(4)将所有interval值大于0的滞后天数记为D
j
，最大值即为变形因子滞后天数D_lag。3.根据权利要求1所述的基于环境因子滞后性分析的堆石混凝土坝变形预测方法，其特征在于，步骤2的对变形序列进行CEEMDAN分解，得到分解序列个数num_imf，并通过计算各序列样本熵值大小，将分解序列样本熵最大值视为噪声序列，并予以剔除得到特征序列矩阵imf_mat[:,:]，实现对分解序列进行降噪处理。4.根据权利要求1所述的基于环境因子滞后性分析的堆石混凝土坝变形预测方法，其特征在于，步骤3的根据不同时间滑移窗口滞后长度生成环境量滞后矩阵，根据设定的滞后周期lag_day、滞后性滑移组数lag_set、环境因子H、H2、H3、T生成环境量滞后序列；包含以下步骤：步骤31：计算最大滞后时间timewin＝lag_day*lag_set，并根据最大滞后时间timewin至目标测值序号dest_number的长度，初始化每个环境量的滞后性矩阵：
步骤32：将每个环境量的原始值添加到滞后性矩阵的第一列：步骤33：根据...

【专利技术属性】
技术研发人员：林川，王翔宇，张挺，苏燕，刘荣锋，黄学钊，林彦喆，
申请(专利权)人：福州大学，
类型：发明
国别省市：