[发明专利]结合门限回归和改进支持向量机面板坝坝顶沉降预测方法

说明书

本发明公开了结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，具体包括如下步骤：步骤1：获取沉降数据；步骤2：处理数据；步骤3：确定支持向量机核函数；步骤4：采用启发式的粒子群优化算法对支持向量回归机的正则化参数C，多项式核参数d，径向基核参数g进行优化选择；步骤5：建立结合门限回归和改进支持向量机的坝顶沉降预测模型；步骤6：结合建立好的结合门限回归和改进支持向量机的面板堆石坝坝顶沉降预测模型。该方法解决现有技术中的根据现有经验公式不能准确预测坝顶沉降的问题。

技术领域

本发明属于水利水电工程施工技术领域，具体涉及结合门限回归和改进支持向量机面板坝坝顶沉降预测方法。

背景技术

面板堆石坝是一种由当地土料、石料或混合料以抛填、碾压等方法填筑成的挡水坝，因其具有结构简单、工程造价低、适应变形性能良好、对地基的要求低、施工速度快等特点，使混凝土面板堆石坝已经成为最具竞争力的一种坝型，在水利水电工程建设中得到了广泛的应用。随着国家在水利基础建设方面的大力投入以及面板堆石坝自身的优越性，近几年该坝型逐步向超高坝型发展，同时坝体的变形控制也面临着诸多困难，尤其在坝体稳定、面板裂缝等方面。

坝体的变形控制是面板堆石坝建设最关键的一项考虑因素，如何有效合理地评价和控制面板堆石坝变形，是决定面板堆石坝进一步发展的重要因素。引起坝体失稳的主要原因之一是坝顶沉降，坝顶沉降位移过大会导致面板变形、裂缝、渗漏等问题，严重威胁坝体安全。在传统设计中，坝顶沉降考虑不超过坝高的2％，但是坝顶永久沉降位移并不能精确估计，因为大坝建成后会发生徐变。如果能预测出坝顶沉降，就能够对坝体潜在危险做出及时应对，减少损失和危害。因此，坝顶沉降的预测对指导大坝的设计、运行、稳定尤为重要。

目前预测面板堆石坝坝顶沉降的方法主要包括数值计算、离心模型试验法以及传统的经验预测方法。数值模型计算需要的计算参数很依赖试验结果，而试验中的缩尺效应不可避免会对堆石料试验结果的准确性产生影响。离心模型试验技术目前多用于黏土心墙堆石坝，在面板堆石坝力学特性的研究上离心模型试验运用较少。此外，离心模型试验法的高成本、模型边界的处理、模型的简化等实验局限性在某种程度上也限制了其应用。当前面板堆石坝的设计仍然主要基于工程判断和工程经验，因此预测面板堆石坝坝顶沉降的方法至关重要。

国内外一些学者提出了预测坝顶沉降的模型。比如早期Lawton和Lester基于11个大坝实例数据建立了坝顶沉降和坝高之间简单的经验预测公式。Sowers对14个面板堆石坝的坝顶沉降开展研究，建立了考虑坝高和测量时间的坝顶后期沉降的经验预测公式。这些经验预测公式考虑的变形控制因素较少，建立的往往是变形特性与坝高、测量时间之间的直接经验公式，且采用的大坝实例数也较少。基于上述经验预测公式的不足，Clements考虑了测量时间的影响，基于68个大坝的实测数据建立了坝顶沉降与坝高之间的经验预测公式。这个计算方程只考虑了坝高一个因素，而坝体沉降受多个因素的影响，如坝高、孔隙比、时间、形状系数、垂直压缩模量等。由于这些参数也会互相影响，显然用此类经验公式并不能准确预测坝顶沉降。为了克服传统经验预测方法的不足，智能和机器学习算法不断用于面板堆石坝的变形预测。李金凤、杨启贵等研究了神经网络模型在面板堆石坝堆石体施工期沉降变形预测中的应用；Kim基于30个面板堆石坝的实测坝顶沉降数据，采用人工神经网络方法建立了预测相对坝顶沉降的智能预测模型。混凝土面板堆石坝变形预测的神经网络模型容易陷入局部极小值，学习过程收敛速度慢，同时学习样本的数量和质量对最终结果影响较大。因此，针对坝顶沉降的预测方法有必要进行进一步深入的研究。

发明内容

本发明的目的是提供一种结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，解决现有技术中的根据现有经验公式不能准确预测坝顶沉降的问题。

本发明所采用的技术方案是，结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，具体包括如下步骤：

步骤1：获取沉降数据

步骤2：处理数据