基于GM-ANN组合模型的大坝变形监测数据分析方法

摘要：

大坝变形监测数据由于受水位、温度、时效等多因素影响,呈现一定的趋势性和波动性.引入时间序列分析模型和方法,合理分析大坝变形监测数据序列特征,精确预测大坝变形状况,是大坝安全监测的重要内容.本文重点针对”贫信息”、”小样本”情况下的大坝变形监测数据序列,将灰色模型(GM)与人工神经网络(ANN)模型相结合,研究了分析和预测大坝变形监测数据的方法,并进行工程实例验证.首先利用灰色模型拟合和预测实测样本数据,然后将灰色模型残差作为人工神经网络模型的学习样本进行训练和预测,最后将上述结果进行综合得到大坝变形的预测值.应用文中所述方法对某实际大坝变形监测数据的建模检验表明,本文给出的GM-ANN模型预测精度高于GM(1.1)模型,具有较好的实用性.

关键词： 大坝 变形监测 灰色模型 人工神经网络

作者: 钱程 李连基 周子东

作者单位: 河海大学,水利水电学院,江苏省南京市210098;河海大学,水文水资源与水利工程科学国家重点实验室,江苏省南京市210098 河海大学,水文水资源与水利工程科学国家重点实验室,江苏省南京市210098

会议类型: 国内会议

会议名称: 全国大坝安全监测技术信息网第八届全网大会暨2015年全国大坝安全监测技术与应用学术交流会

会议地点: 南京

会议语种:中文

页码: 44-49

在线出版日期: 2015-11-01（万方平台首次上网日期，不代表论文的发表时间）