岩质高边坡监测数据的改进变维分形预测模型 Forecasting model of monitoring data of high rock slope based on improved variable dimension fractal theory.pdfVIP

第1期 水利水运工程学报 NO．1 AND 2010年3月 HYDRO．SCIENCEENGINEERING Mar．2010 岩质高边坡监测数据的改进变维分形预测模型 秦鹏，秦植海 (浙江水利水电专科学校，浙江杭州310018) 摘要：针对以往预测模型在数据少和噪音干扰下出现预测精度降低的问题，基于分形理论．尝试建立改进的变 维分形预测模型，并以小湾工程边坡位移监测数据为例，选取Dl、说曲线作为预测模型的分形参数曲线，计算 各曲线的分段分形维数，对位移进行预测。并分别用灰色模型GM(1，1)和BP神经网络进行对比预测．结果证 明，这种方法充分利用了分形理论自相似性的特点，抗噪性强，能较好地应用于小数据量监测数据的预测，并且 精度较高，有着良好的应用前景． 关键词：改进变维分形；边坡监测；预测；小数据量 中图分类号：TU457 文献标识码：A 高边坡工程的重要特点是以岩土体为工程材料或工程结构．由于岩土体是一种非均质各向异性且具有 流变特性的复杂介质，加之地质条件的复杂性，使得其力学参数和演化特征具有很强的随机性和不确定性， 从而导致边坡动态信息极难捕捉，加之边坡动态监测技术的不成熟和预报理论的不完善，高边坡变形预测一 直是边坡工程中的主要难题之一…． 灰色系统分析模型旧1、混沌理论¨1及人工神经网络模型¨1等均被应用于边坡监控数据的分析及预测 中，并取得了一定的成果，但这些方法都对数据的长度有较强的依赖性，监测数据量较少以及数据中白噪的 干扰都会对这些方法的预测精度造成较大影响，当边坡监测数据较短或存在残缺时，预测效果并不理想．针 对这个问题，笔者利用分形学中的重标度极差分析的时间序列法，以小湾水电站左岸边坡监测数据为分析对 较分析，得出岩质高边坡是一个具有自相似性的复杂非线性体系、监测数据之间具有分形特征、可以建立分 形模型并对监测数据进行预测的结论”o．本文仍以小湾水电站左岸岩质边坡监测数据为例，尝试运用改进 变维分形方法建立边坡数据分形动力模型，对小数据量的边坡监测数据进行预测． 1 改进的变维分形模型的建立 杂系统的本身入手，分析研究对象的自身性质和规律¨1．分形理论的提出，为揭示隐藏于混乱复杂现象中的 精细结构和定量地描述系统提供了理论基础，已被广泛应用于地震学、经济学、计算机仿真学等众多领 域叫o．常用的分形模型主要有常维分形和变维分形两种． 1．1 常维分形与变维分形 1．1．1 常维分形 目前应用的常维分形可用如下幂指数分布定义¨引： 收稿日期：2009一03—22 基金项目：浙江省水利厅科研项目(RC0837、RC0932) 万方数据 第1期 秦鹏，等：岩质高边坡监测数据的改进变维分形预测模型 91 Ⅳ=号 (1) 式中：r为特征线度；J7、r为与r有关的数量；C为待定常数；D为分维数．当D为常数时，在双对数坐标上表现 为一条直线，可以求出分维数，即 D。赢专孝。=等等 ㈤(2) 1．1．2变维分形针对常维分形无法处理双对数坐标上的非直线函数关系的问题，引入了变维分形的 概念，其分维数D不再是常数，而是特征线度r的函数[1卜121： D=，(r) (3) 公式 D：堕掣 (4) 1．2改进的变维分形方法 由于自然界中严格意义上满足常维分形的现象是不存在的，所以大量数值模型需要用变维分形的方法 进行计算，但当数据复杂时，特征线度r的函数式又往往庞大而难于计算¨4|．研究证明，