【技术实现步骤摘要】
本专利技术涉及混凝土坝安全监控，具体为考虑裂缝影响的混凝土坝位移深度学习预测方法及系统。
技术介绍
1、20世纪以来，兴建了许多拱坝，拱坝工程在防洪、发电、供水和灌溉等方面起着十分重要的作用。然而，随着工程服役时间不断增长，其结构性态在不断变化，坝体材料会受到不同程度的损伤，从而出现安全隐患。在众多效应量中，位移是最能直观反映混凝土坝综合性能的监测量。合理的数学模型可以有效地解释环境荷载对拱坝位移的影响，因此，建立高精度的位移监控模型对于保证其长期安全运行至关重要。
2、静水压力-季节-时间(hst)模型在实际工程中被广泛应用。但现有监测方法多以hst模型为主，且模型输入只涵盖主要影响因素，忽视了其他复杂因素的影响。这极大地影响了模型的框架，并因此限制了它的预测准确性。对混凝土坝来说，裂缝的产生、扩展直至贯通是大坝失稳破坏的全过程。裂缝开裂会使其整体强度与刚度明显降低，使其在工作过程中更易产生变形，对坝体的安全与稳定性构成威胁。
3、但由于测缝计的数量过多，将测得的裂缝开合度全部加入模型可能会导致过拟合问题。引入...
【技术保护点】
1.考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于，包括：
2.如权利要求1所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述初始的建模因子集包括水压分量、温度分量、时效分量和裂缝分量；
3.如权利要求2所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述初选因子集是通过将所述初选因子与观测位移值匹配后得到的；所述观测位移值是坝体上布置的监测点测得的位移具体数值。
4.如权利要求3所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述变量选择方法mRMR的因子剔除步骤包括：
<...【技术特征摘要】
1.考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于，包括：
2.如权利要求1所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述初始的建模因子集包括水压分量、温度分量、时效分量和裂缝分量；
3.如权利要求2所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述初选因子集是通过将所述初选因子与观测位移值匹配后得到的；所述观测位移值是坝体上布置的监测点测得的位移具体数值。
4.如权利要求3所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述变量选择方法mrmr的因子剔除步骤包括：
5.如权利要求4所述的考虑裂缝影响的混凝土坝位移深度学习预测方法，其特征在于：所述变量选择方法lasso的因子剔除步骤包括：<...
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。