偏最小二乘的分析方法及其应用-中国水利水电科学研究院学报.docVIP

文章编号： 基于偏最小二乘回归法的大坝渗漏分析与预测 魏迎奇，张申 （中国水利水电科学研究院 岩土工程研究所，北京 100048） 摘要：渗漏是水库大坝主要病害形式之一，对大坝渗漏进行分析预测对了解大坝渗流性态和提高工程管理意义重大。由于坝体内部渗漏表现出的灰色甚至黑色特征增加了渗流性态的分析难度，基于常规的最小二乘法无法解决渗漏变量间多重共线、样本较少等问题。针对此类分析的难点，本文通过偏最小二乘回归法，依据监测数据建立了渗流统计回归模型，探讨了主要影响因素与渗漏量的关联程度。采用该模型对吉林台混凝土堆石坝运行条件下渗漏量进行了预测，分析结果表明了该方法的可行性。 关键词：偏最小二乘 回归建模 渗流分析 中图分类号： 文献标识码： 前言 目前，对大坝渗流资料的统计回归分析中，通常采用普通多元回归分析法，利用该方法进行建模的前提条件是自变量因子之间不存在多重相关性，而大坝渗流过程的滞后效应使得自变量间存在共线性的现象，如果强制运用该方法进行回归建模，将会破坏参数的估计，扩大模型误差，无法对研究对象做出合理有效的预测。另外，采用普通多元回归分析法时，需要的样本数较多，有时这在工程实际中是很难实现的。鉴于此，采用偏最小二乘法对渗流变量进行回归建模，解决了变量间共线，样本少等诸多问题，进而可对大坝的运行状态做出合理的预测和评价。 1 偏最小二乘回归方法的基本原理 1.1建模方法 偏最小二乘回归分别在自变量X和因变量Y中提取成分t1和u1，二者必须尽可能多地携带它们各自数据表中的变异信息，且相关程度能够达到最大[1]。在第一成分t1和u1被提取后，偏最小二乘回归分别实施X对t1的回归以及Y对u1的回归。如果回归方程已经达到满意的精度，则算法终止；否则，将利用X被t1解释后的残余信息进行第二轮的成分提取。如此往复，直到能达到一个较满意的精度为止。 1.2模型因子的选择 大坝渗流主要受上下游水位差、水位升降速率及降雨量等因素的影响。另外，筑坝材料在库区蓄水过程中，土体结构在渗流过程中发生相应变化，这使得大坝渗流具有时效性的特点。因此，坝体渗流与水头和时效因素等息息相关。由于这些分量相互独立，无交互作用，按各因素对渗流水头的作用形式，其分析模型可表达如下[2] [3]： （1）式中： （2） (3) (4) 式中：h为渗流预测水头，m；H为实测水头，m；为前期平均水头，（分别表示前5天，10天，…，30天平均水头），m；为前期平均水头升降速率，（表示5天，10天，…，30天平均水头），m/d；为时效分量；为时间，d；、 为待估系数； 式（2）中涉及的待估系数可以通过式（5）求得： (5)式中：r为相关系数；m为提取主成分的个数； 同理，可求出待估系数。 利用式（1）求得的渗流水头来测算大坝的渗漏量，即： （6） 式中：h为渗流水头，m；a、b为待估参数，可由观测库水位和渗漏量求出。 2偏最小二乘回归的辅助分析技术 2.1精度分析 在偏最小二乘回归计算过程中，测量th对X和Y的解释能力时做如下定义[4]： (1) th对某自变量xj的解释能力为 (7) 式中：r为相关系数。 (2) th对X的解释能力为 (8) 式中：p为自变量个数。 (3) th对Y的解释能力为 (9) 式中：q为因变量个数。 2.2自变量xj在解释因变量集合Y时的作用 分析自变量X与因变量Y之间的关系时,引入变量投影重要性指标（VIP）来测度二者的关系。 (10) 式中：p为自变量个数；为轴的第j分量。 通过计算不同的VIP值可以定性地分析自变量X对因变量Y的影响作用。 2.3 T2椭圆图与特异点的发现 样本中的奇异点就是在95%的检验水