大坝变形的小波分析与ARMA预测模型.pdfVIP

第 3 期 水利水 j军工程学报 No.3 2016 年6 月 HYDRO-SCIENCE AND ENG卧哑ERII咱G Jun.2016 DOI: 10.16198/ki.1009-640X.2016.03.∞9 罗德河，郑东健.大坝变形的小波分析与 ARMA 预测模型[J] .水利水运工程学报， 2016(3): 70-75. (LUO De-he , ZHENG D阮on吨g世a缸an. Wavelet analysis and ARMA 严predi陀削ction model ，阳f0创r dam de曲f岛orma甜tlOn 75. ) 大坝变形的小波分析与 ARMA 预测模型 罗德河，郑东健 (河海大学水利水电学院，水资源高效利用与工程安全国家工程研究中心，江苏南京 210098) 摘要:大坝变形观测资料可视为非平稳时间序列，从影响大坝变形规律的因素出发，可将其分解为主值函数 项、周期函数项和改进后的平稳时间序列。其中主值函数项采用逐步回归法拟合，针对时效因子采用半经验公 式无法准确拟合实际变化情况，采用小波分析法将序列分解为低频和高频两部分信号，其中低频部分代表时效 等因素影响的变形趋势;高频部分代表水位、温度等影响的变化规律，应用时间序列原理分别建立变形预测 ARMA(p ， q) 模型，从而在现有水位、温度观测资料下预测坝体未来的变形趋势。实例汁算结果表明，结合小波 分析的时间序列法建立的预测模型，预测精度高于统计回归分析，预测效果良好，可作为一种有效方法应用于 大坝变形预测中。 关 键 词:大坝;时间序列分析;小波分析; ARMA 模型;回归分析;变形预测 中图分类号: TU413.6+2 文献标志码:A 文章编号: 1009-640X(2016) 03-0070-06 根据现有的大坝观测资料推断其未来变形发展趋势能及时掌握大坝的工作性态，为其正常运行提供重 要依据。影响大坝位移的因素复杂，除了水位外，还有温度、渗流、施工、地基、周围环境以及时效等[1] 。对 于复杂随机性因子的影响，可利用时间序列法进行分析。时间序列分析是采用参数模型对观测得到的有序 随机数据进行分析的一种动态处理方法，借助 Matlab 工具箱函数可以方便实现系统的时间序列分析[2] 。由 于该方法只以系统输出数据为基础对系统进行研究，对于许多难以确定因果关系的系统而言，是一种理想的 分析方法和途径[3] 。对不同时效因子集的选取进行回归分析时，可能会出现超拟合与欠拟合现象[410 本文利用小波分析提取低频和高频两部分信号[54] ，对高频部分差分平稳化处理并进行预测;对低频部分应 用逐步回归法和谱分析法提取确定性因子，建立测值序列的主值函数和周期项，通过对扣除主值函数值和周 期项的实测数据时间序列进行平稳性检验，建立 ARMA 模型，然后综合主值函数、周期函数和 ARMA 模型实 现大坝变形预测。 1 小波分析法分离序列不同频率 大坝变形观测资料受周期性变化的水位、温度及非周期性时效、不确定性因素影响，因而可将变形时序 看成由不同频率组成的数字信号。小波分析信号属于时频分析，具有多分辨率分析特点，因而对于变形非平 稳信号，可利用小波变换分离出高频和低频两部分信号[7-9] 。 设信号f( t) 的时间序列f( 时 ， n::: 1 ， 2 ， 3 ，…。根据 Mallat 定理，对于一组有限能量的信号 Hf ， 在分辨 j 1 1