[发明专利]一种大坝水平位移预测方法

说明书

技术领域

本发明涉及一种预测方法，具体涉及一种大坝水平位移预测方法。

背景技术

当前我国大坝安全监测总体处于特殊的阶段，很多老坝即将到达设计基准期，而一大批新坝正投运，因此对大坝安全监测指标进行预测从而提供安全监测决策辅助，就显得必要了，大坝安全监测和分析评估的主要目的是掌握当前大坝的运行状态，判断大坝是否安全。目前，大坝安全监测分析的工作模式，主要是是结合日常巡查等方法，分析历史观测资料，建立数学监控模型,对大坝的工作性态进行分析、评价和监控，并对重要观测指标量值展开预测，实现大坝安全决策辅助的目的，而大坝水平位移对于大坝安全具有重要的表征意义。大坝水平位移是一门涉及众多学科和环境因素的应用，难以用确定性的模型给出精确描述，因此基于统计模型的回归拟合实现大坝水平位移预测，就成为了一种目前广泛采用的方案。水平位移在环境因素和时效因子的作用下，既呈现出一定的周期性波动特征，又存在一定的趋势变动，目前行业内主流的分析回归算法，虽然具有原理简单，应用广泛等优点，但是普遍在高维变量、高噪音、采样不均衡等情况下容易噪音干扰和信息损失，不一定能保证得到最优拟合，预测可信度不高，甚至极端情况下严重失真。

发明内容

为了解决上述技术问题，本发明提供了一种大坝水平位移预测方法，解决了现有方法预测可信度不高的问题。

为了达到上述目的，本发明所采用的技术方案是：

一种大坝水平位移预测方法，包括以下步骤，

步骤一，根据大坝水平形变基础成因分析理论，选择影响因子；

步骤二，根据影响因子获取其对应的大坝历史水平位移数据，作为历史样本数据，并归一化历史样本数据；

步骤三，对历史样本数据进行典型成因分析，获得效应量与影响因子的线性变换向量L；

步骤四，基于聚类分析算法对历史样本数据进行分类；

步骤五，对每种分类下的历史样本数据分布进行最小二乘回归分析，得到对应的回归模型；

步骤六，根据步骤三获得的线性变换向量，对待测的因子向量进行线性变换；

步骤七，确定线性变换后的待测的因子向量所属的分类；

步骤八，根据分类对应的回归模型，获得预测值。

所述影响因子包括多时段下的水位H、气温T、时效t、水位的平方H²、水位的立方H³、水位的四次方H⁴和时效的对数ln^t。

所述归一化历史样本数据公式为，

Vi′=(Vi-V‾i)/δVi]]>  式(1)

其中，V_i′为第i维因子归一化后的值，V_i为第i维因子的原始值，为第i维因子的算术平均值，为第i维因子的标准差。

获得效应量与影响因子的线性变换向量的过程为，

A1)假设m个影响因子(x₁,x₂…x_m)和n个效应量(y₁,y₂…y_n)，则

u＝a^Tx  式(2)

v＝b^Ty  式(3)

其中，a和b分别为影响因子和效应量的线性组合因子，u和v分别为影响因子和效应量变换后的单维投影向量；

A2)求解u和v的皮尔逊相关系数Corr(u,v)，其公式和约束条件为；