拱坝变形分析与监控的小波和神经网络方法分析.pdfVIP

中文摘要 拱坝的变形受到多方面因素的影响，变形与各影响因子之间的关系是复杂 的，高度非线性的映射关系。传统方法只能近似地描述变形与各影响因子之间的 关系。而小波变换技术和神经网络理论能行之有效地解决这类问题。 本文在对拱坝变形的影响因子进行系统分析的基础上，采用多分辨分析的方 法对影响拱坝变形的温度、水位特征进行了分析。详细地分析了温度的周期特征， 水位的一般特征。同时，对温度、水位的分解结果进行去噪，去除其高频噪声， 然后重构提取温度、水位的典型特征结果，为大坝变形的预测监控做准备。采用 最优正交小波基分解拱坝的变形资料，然后去除其高频噪声的影响，重构变形结 果，并详尽地分析了拱坝变形的一般规律。 本文抓住影响拱坝变形的主要影响因子——气温和水位，以及实测变形之间 的间接关系，利用小波变换提取的信息和大坝变形信息作为输入，实测变形值作 为输出，通过对模型的合理优化和有效的数据处理，成功建立了拱坝变形的BP 网络监控预测分析模型。通过模型的运算，得出了满意的结果，并且模型的预测 精度较高。 本文研究结果表明，小波变换技术是对大坝原型观测资料进行分析的有效手 段；神经网络通过对问题的隐性描述，能有效地实现变形与各影响因子之间的复 杂的高度非线性