- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于主成分的大坝监测资料时变预测模型.pdf
水 力 发 电 第 37卷第 10期
2011年10月
基 于 主 成 分 的 大 坝 监 测 资 料
m3-变 预 测 模 型
梅一韬 l1一,许后磊 ,王 锋 ,吴邦彬 1’ .万陆林
(1.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 南京 210098;2.河海大学
水资源高效利用与工程安全国家工程研究中心,江苏 南京 210098:3.河海大学水利
水电学院,江苏 南京 210098;4.中国水电顾问集团昆明勘测设计研究院,云南 昆明
650051;5.国家电力监管委员会大坝安全监察中心,浙江 杭州 310014;
6.上海市青浦区防汛指挥部办公室,上海 201700)
摘 要:由于内外各种因素的影响,大坝安全监控参数会随时间而变化,而常规监控模犁常常采用非时变的参数。
基于主成分分析,利用缩减后的主成分荷载建立了时变预测模型。实例表明,该模型可以减少计算时间,有效削弱
因子多重相关性的影响,提高大坝监测效应量的预测水平。
关键词:大坝安全监控 ;数学模型;主成分分析;时变参数
Time-varyingPredictionM odelofDam M onitoringDataBasedonPrmdp~ ComponentAnalysis
MeiYitao 2,3,XnHoulei4,WangFen WuBangbin。, ,WanLulin。
(1.StateKeyLaboratoryofHydrology-WaterResourcesandHydraulicEngineering,HohaiUniversity,Nanjing210098,
Jiangsu,China;2.NationalEngineeringResearchCenterofWaterResourcesEfficientUtilizationandEngineeringSafety,
HohaiUniversity,Nanjing210098,Jiangsu,China;3.CollegeofWaterConservancyHydropowerEngineering,Hohai
University,Nanjing210098,Jiangsu,China;4.HydroChinaKunmingEngineeringCorporation,Kunming650051,
Yunnan,China;5.LargeDamSafetySupervisionCenterofSERC,Hangzhou310014,Zhejiang,China;
6.FloodControlHeadquartersOfficeofQingpuDistrictinShanghai,Shanghai201700,China)
Abstract:Asinfluencedbymanyinternalandexternalfactors,thedam safetymonitoringparameterswillchangeovertime,
andthetime-invariantparametersalcoftenusedinconventionalmonitoringmodels.Basedonprincipalcomponentanalysis,
atime—varyingpredictionmodelissetupbyusingreducedprincipalcomponentloads. ecasestudiesshowthathtemodel
eallsavecomputationaltime,weakenmuhi-correlativityamongfactorsandimpmvetheeffects
文档评论(0)