大坝安全监测资料的非线性检验

引入了基于现代统计学中“bootstrap”理论的替代数据方法，实现了对大坝安全监测资料的非线性检验．在详细阐述了替代数据法的基本理论和实现方法基础上，通过分析丰满大坝的位移监测数据，确定了位移监测数据中确实存在非线性成分，并且这种非线性不是静态非线性的测量函数所引起的，而是大坝动力系统本身非线性的表现．从而为判定大坝监测资料的非线性提供了理论依据和检验方法．     

GARCH模型的分位点回归的MCMC方法

本文研究了GARCH模型和TGARCH模型的分位点回归的MCMC估计方法. 通过将分位点回归估计问题转化为极大似然估计问题, 并利用Metropolis Hastings算法从模型参数的后验分布抽取随机数来完成GARCH类模型的分位点回归的Bayesian估计, 本文得到了Value at Risk的动态估计. 这一方法是对经典的Value at Risk计算方法的非常有效的推广.     

GM-ARIMA模型在大坝安全监测中的应用

针对大坝安全监测的小样本数据既有一定趋势性又有一定波动性的特点,把灰色模型和时间序列模型结合起来运用在大坝安全监测中.首先利用灰色模型进行拟合和预测,然后对灰色残差序列建立ARIMA模型,对残差进行预测,最后将两者结合起来即可得到预测值.本文以小湾拱坝坝顶某测点的径向位移为例,建立GM-ARIMA进行拟合和预测,并与实测值比较.计算结果表明,与GM模型相比,GM-ARIMA模型的精度高,预测值更接近于实测值.     

大坝实施安全监测的方法探析

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。随着科学技术的发展、管理水平的提高及人们观念的转变,大坝安全监测的方法也随之改变。本文探讨了影响大坝安全的因素,并提出了相应的安全监测手段。     

大坝安全监测数据分析方法研究

大坝监测数据分析理论和方法的研究与应用已经取得了相当的进展,为保证大坝安全运行发挥了巨大的作用,本文基于笔者多年从事大坝安全分析的相关工作经验,以大坝安全监测数据分析为研究对象,探讨了安全监测数据分析的意义和内容,给出了安全监测数据分析方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行能有所裨益。     

大坝安全监测要素分析

分析了影响大坝安全的因素,介绍了大坝安全监测的目的、要求和方法,阐述了针对这些影响因素的各阶段的监测内容.     

基于统计模型与混沌理论的大坝安全监测混合预测模型

为解决传统统计模型在大坝安全监测领域应用中由于缺少对残差的分析而存在拟合精度高但预测效果欠佳的问题，在传统统计模型中增加残差预测项，并应用混沌理论对残差预测项的计算方法进行探讨，从而提出了一种新的混合预测模型，同时结合实测数据对此模型进行了检验。结果表明，新模型可提高预测精度并具有一定的实用性。     

基于安全监测系统的大坝安全多层次模糊综合评判方法

为了更科学合理地对大坝工作状态进行评判,从系统的角度把大坝作为一个模糊整体,充分结合大坝已有的监测设施,考虑由于监测仪器运行状态给评判带来的影响,综合分析大坝的工作性态,提出了一个基于大坝安全监测系统的大坝安全多层次模糊综合评判方法.以某大坝为例,对大坝的工作状态进行了综合评判,结果表明应用本方法可充分体现监测数据可靠...     

遗传算法在建立大坝变形监控模型中的应用

在以逐步回归法初步建立回归模型的基础上，用改进的遗传算法对模型的回归系数进行重新评估，并建立新的大坝安全监控模型。以李家峡拱坝作为工程实例，对大坝实测变形资料进行了计算分析，证明此法的可行性。     

大坝安全监测模型因子相关性探究

分析了大坝安全监测数据处理中自变量因子之间的多重相关性对传统的多元回归模型的影响.运用偏最小二乘回归分析的基本原理和交叉有效性检验方法,建立了基于偏最小二乘法的回归模型.工程实例表明,偏最小二乘回归模型能够有效消除因子相关性对模型回归系数估计和回归分析效果的影响,取得的结果较为合理.     

回归模型与时间序列在大坝变形监测中的应用

对大坝监测的GPS数据,利用回归分析和时间序列的方法建立了大坝形变模型,并进行数值模拟。结果表明误差为AR（1）的回归模型优于普通的回归模型,而且优于一般小波方法的非线性回归模型。     

Elman回归神经网络在大坝安全监控中的应用

给出了E1man回归神经网络的网络结构和学习方法。基于E1man回归神经网络能够逼近任意非线性函数的特点，提出了一种基于E1man回归神经网络建立安全监控模型的方法。实验表明，所建立E1man神经网络模型收敛速度快，并且其拟合及预报精度高于统计模型和BP网络模型。     

自适应模糊系统在大坝安全监测故障诊断中的应用

为提高大坝安全自动化监测的稳定性与可靠性,提出一种基于模拟退火的自适应模糊系统(AFS：Adaptive Fuzzy System)的学习算法,并根据此算法建立了大坝安全监测非线性监测器模型,同时利用该模型构造了大坝安全自动化监测故障自诊断系统．实例表明,该系统既具有模拟退火算法(SAA：Sireulated Annealing Algorithm)的全局优化搜索能力,又充分发挥了AFS的非线性逼近能力,并能够较好地实现故障的在线诊断和实时隔离．     

大坝安全监控中的不确定性信息初探

首先根据大坝安全监控研究对象不确定性的性质，将不确定性信息分为随机信息、模糊信息、灰信息、未确知信息以及盲信息等，并概述了这几种不确定性信息的表现形式及其处理方法；然后针对大坝安全监控信息采集和处理的特点，简述了不确定性信息在大坝安全监控中的具体表现形式；最后探索了不确定性信息在大坝安全监控领域中的应用前景，并提供了一种采用不确定性信息处理方法对大坝安全进行分析和评价的新的思路。     

大坝安全监测专家系统的总体设计

建筑物安全监测专家系统属大型的实用复杂系统．从系统组成、系统结 构到知识表示、推理机制等都提出了很高的要求．结合具体工程项目，研制开 发了大坝安全监测专家系统ＤＳＭＥＳ．给出了ＤＳＭＥＳ的总体构成及实现策 略、各部分的技术措施等．包括恰当的知识表示及不确定性推理方法、综合推 理机、外部数据库技术、支撑软件库、图形库、定性推理与定量分析之间的接 口设计等．     

分位数回归模型中的两步变量选择

对于高维分位数回归模型提出了一种两步变量选择方法,这里协变量的维数pn远远大于样本量n.在第一步中,使用e1惩罚,并且证明第一步由LASSO惩罚所得到的惩罚估计量能够把模型从超高维降到同真实模型同阶的维数,并且所选模型能够覆盖真实模型.第二步对第一步所得模型使用自适应的LASSO惩罚来剔除冗余变量.在一些正则性条件下,证明了此方法具有变量选择的相合性.还进行了数值模拟和实际数据分析,用来表明此方法在有限样本下的表现.     

大坝安全监测系统硬件集成研究及应用

系统结构优化和硬件集成技术革新是提高大坝安全监测水平的基础.为此,设计了卧虎山水库大坝安全监测系统.该系统由Geomation 2380MCU、Geokon 渗压计、光纤通讯设备及监测软件组成.应用结果表明,硬件技术集成效果达到了监测系统设计的要求,整个系统的性价比、可靠性和稳定性有了大幅度的提高.     

大坝监测数据的灰色系统动态检验模型

通过对大坝安全监测数据粗差产生原因的分析，提出了一种基于灰色系统理论的监测数据伪位检验方法和检验模型，它无需长序列样本，并可随着环境量的变化调整模型参数。该方法计算量小，速度快，对于监测点较多的自动化系统非常适用。     

基于粗集推理的大坝安全监测预报模型研究

针对传统大坝安全监测预报模型存在的受环境量相关性影响较大和网络训练时间长、易收敛到局部最优点等缺点,通过对原始监测信息的粗糙集预处理提取主要影响因素和决策规则集,并通过对规则集的不确定性推理建立了大坝监测的粗集预报模型,与传统方法相比,粗集预报模型不依赖于具体的数学模型,所得到的预报值是一定可信度下的区间值,并且预测值区间与实测值区间基本一致．