非线性回归模型方法和灰色系统理论模型方法在大坝位移预测中应用.docVIP

非线性回归模型方法和灰色系统理论模型方法在大坝位移预测中应用 　　摘 要：文章结合国内某大型水电站大坝定期检查观测资料数据，采用非线性回归模型方法和灰色系统理论模型方法尝试对大坝位移进行预测，得到了满意的成果；验证了这两种方法在大坝位移预测中的可行性，对大坝监测及安全性预报具有一定的参考价值。 关键词：大坝位移预测；非线性回归；灰色系统理论；安全预报 众所周知，大坝是一种特殊建筑物，其特殊性主要表现在以下3个方面：（1）投资及效益的巨大和失事后造成灾难的严重性；（2）结构、边界条件及运行环境的复杂性；（3）设计、施工、运行维护的经验性、不确定性和涉及内容的广泛性。 这些特殊性说明了要准确了解大坝工作性态，主要通过大坝安全监测来实现，这也同时说明了大坝安全监测的重要性。事实上，大坝安全监测已受到人们的广泛重视，我国已先后颁布了差阻式仪器标准及监测仪器系列型谱、《水电站大坝安全检查实施细则》、《混凝大坝安全监测技术规范》、《水库大坝安全管理条例》、《土石坝安全监测技术规范》等，同时，国际大坝会议也多次讨论过大坝安全问题。 大坝安全监测是人们了解大坝运行性态和安全状况的有效手段，但是随着科学技术的发展，人们不再满足于对已有监测资料的分析，要是有一种能够利用已有监测资料对大坝将来可能发生的位移进行预测，这将给安全生产带来十分重大的意义。为此，笔者结合国内某大型水电站大坝定期检查观测资料，对这两种预测方法的实际应用进行探讨。 1 模型方法简介 1.1 非线性回归模型方法简介 作为统计模型之一的回归模型，在应用之前需要根据观测数据的分布做出判断，给出一个假定的模式，这一点要求使用者有一定的经验和技巧。在此基础上通过残差平方和函数的最小二乘估计，辨识出给定模型中的参数，然后再进行统计检验，从而做出预报。当前线性回归模型发展得较为完善，而对于一般的非线性回归模型，参数的最小二乘估计往往需用数值方法求解，只在某些特定的条件下可通过数学上的变换处理，化为广义线性模型做拟合，以其数据获得参数的最小二乘估计。 非线性回归最小二乘法拟合的基本原理是： 对给定数据（xi，yi）（i=0，1，…，m），在取定的函数类Φ中，求p（x）∈Φ，使误差ri=p（x）-yi（i=0，1，…，m）的平方和最小，即： 最小，从几何意义上讲，就是寻求与给定点（xi，yi）（i =0，1，…，m）的距离平方和为最小的曲线y=p（x）。函数p（x）称为拟合函数或最小二乘解，求拟合函数p（x）的方法称为曲线拟合的最小二乘法。本文应用具有强大数值分析能力的软件Matlab进行曲线拟合。 1.2 灰色系统理论模型方法简介 灰色预测模型具有准确性较高、要求原始数据较少、处理数据灵活和方便计算机处理的特点。按照灰色系统建模的灰微分方程不同，灰色系统预测模型可以分为不同的格式。比较常见的等时距GM（1，1）模型，新陈代谢GM（1，1）模型及Verhulst模型。由于各种灰色模型GM的前提条件和建模原理都是一致的，此次仅以最基本的灰色模型GM（1，1）为例对灰色模型进行分析。 等时距GM（1，1）模型是对施工监测周期相等的观测结果对行预测。对大坝变形监测数据分析，设有等时间间隔的数据序列 X（0）=[X（0）（1），X（0）（2），X（0）（3），……，X（0）（n）] 对X（0）进行一次累加生成，得到 对此生成序列建立一阶微分方程： 即得到GM（1，1）模型，其中a，b是灰参数，其值可以用最小二乘法求得： A=[ab]T=（BTB）-1BTYn 其中： 把0.5 （x（1）（n）+x（1）（n-1））为定义对x（1）作紧邻均值求出A后，把的值代入式（1），解出微分方程得： （1）（k+1）=（x（0）（1）-）e-ak+ 对x（1）（k+1）作累减可得到还原模拟数据，即： =- 2 工程应用 该水电厂是我国建成较早的一座百万千瓦以上的大型水电工程，和当时其他水电工程相比，大坝安全监测设计比较齐全；运行过程中经过了多次更新改造，大坝安全监测系统已经更加完善。2001年又对大部分观测项目进行了自动化改造，除坝顶变形观测项目以外，重要项目基本上都实现了自动化观测。本文使用的资料即为该水电站大坝定期检查观测资料。 坝水平位移观测系统主要布置在1739m、1715m和1660m三个高程。下列数据来自1660m高程廊道内激光观测资料，抽取有代表性的5号测点数据进行预测验证（图1，表1）。 表1 实测5#测点水平位移随时间变化值（单位：mm） 时间 1999.9 2000.9 2001.9 2002.9 2003.9 2004.9 20