大坝安全监控统计模型研究

论文摘要

为满足大坝安全监测的需要，本文在全面总结归纳前人在统计模型研究成果的基础上，针对最小二乘回归方法存在的不足，以偏最小二乘回归方法、Kalman滤波技术和神经网络理论为依据，提出了大坝安全监控的偏最小二乘回归统计模型，Kalman滤波回归统计模型，BP神经网络模型及RBF神经网络模型，并以工程实测资料的计算详细比较了各种模型的性能。此项研究工作不仅对工程实践有着重要的实用价值，而且对提高我国大坝安全管理水平有着重要意义。 论文主要研究内容及成果如下： (1) 全面系统地分析了最小二乘回归方法在现行统计模型建模过程中存在的问题，指出因子间严重地多重相关性是造成最小二乘回归模型结构不稳定和解释性变差的根本原因。为此，依据偏最小二乘回归方法的理论，以统计模型的建模为应用目标，首次提出了偏最小二乘回归统计模型。研究分析表明，该模型能有效克服因子间严重的多重相关性，从而得到结构稳定及解释性增强的统计模型。经工程实测资料的验算并与最小二乘回归模型比较，证明该模型是因子严重多重相关情况下建模的有力工具。为此本文首先在利用偏最小二乘回归方法提供稳定的统计模型结构，以及在将模型回归系数(视为状态变量)作为评价大坝安全状态的重要指标等方面取得具有创新性的成果。 (2) 以Kalman滤波技术为理论基础，以统计模型的建模为应用目标，首次提出了Kalman滤波回归统计模型。该模型将Kalman滤波理论与大坝安全监控的统计模型有机结合，反映了本文提出了一个新的研究思路。研究表明，该模型利用Kalman滤波为估计问题提供的递推形式解，可将建模过程简化为只要根据上一时段状态值和当前的观测值就能方便地在线更新状态，因而它是一种高效在线建模的新方法。由于Kalman滤波属于最小方差估计，所以，Kalman滤波回归统计模型的回归精度高于偏最小二乘回归统计模型和最小二乘回归统计模型。工程实测资料的验算表明，当Kalman滤波的模型参数计算方法选择合理，滤波结果很快就会稳定，且不依赖初值，此时Kalman滤波统计模型的结构是稳定的。同样，模型的回归系数变化也可以评价大坝的安全状态。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 大坝安全监控统计模型研究概述
• 1.1.1 大坝安全监控统计模型研究的目的和意义
• 1.1.2 大坝安全监控统计模型研究进展
• 1.2 卡尔曼滤波技术概述
• 1.2.1 卡尔曼滤波技术的产生、发展及应用现状
• 1.2.2 实用卡尔曼滤波技术研究概况
• 1.2.3 Kalman滤波与神经网络结合
• 1.3 人工神经网络的产生、发展和应用现状
• 1.3.1 模式识别
• 1.3.2 非线性系统辨识
• 1.4 本文的主要工作
• 1.4.1 选题背景与研究任务
• 1.4.2 主要工作
• 2 大坝安全监控的统计模型
• 2.1 大坝安全监控统计模型
• 2.1.1 重力坝变形监控统计模型
• 2.1.2 土石坝变形监控统计模型
• 2.1.3 渗流监控统计模型
• 2.1.4 应力应变监控统计模型
• 2.1.5 小结
• 2.2 多元线性回归分析
• 2.2.1 多元线性回归分析的基本假定
• 2.2.2 回归方程
• 2.2.3 回归方程的有效性和精度评价指标
• 2.3 最小二乘回归统计模型存在的多重相关性问题
• 2.3.1 多重相关性问题的实例分析
• 2.3.2 多重相关性的危害
• 2.3.3 多重相关性的诊断
• 2.3.4 岭回归估计
• 3 偏最小二乘回归统计模型
• 3.1 偏最小二乘回归方法
• 3.1.1 观测数据表及其所含信息量的测量方法
• 3.1.2 偏最小二乘回归的基本原理与方法
• 3.2 偏最小二乘回归统计模型
• 3.2.1 基于偏最小二乘回归的渗流统计模型
• 3.2.2 基于偏最小二乘回归的应变统计模型
• 3.3 大坝安全状态的评价方法
• 3.3.1 偏最小二乘回归统计模型中回归系数的物理含义
• 3.3.2 大坝安全状态的评价方法
• 3.4 本章小结
• 4 卡尔曼滤波回归统计模型
• 4.1 片尔曼滤波理论基础
• 4.2 随机线性离散系统的 KALMAN滤波方程
• 4.3 KALMAN滤波技术在大坝安全建模中的应用
• 4.3.1 大坝安全监测信号的自适应滤波技术
• 4.3.2 Kalman滤波回归统计模型
• 4.4 本章小结
• 5 基于神经网络的大坝安全监控模型
• 5.1 神经元模型和神经网络结构
• 5.1.1 神经元模型
• 5.1.2 网络结构及其符号的表示
• 5.1.3 常用的神经网络和训练算法
• 5.1.4 小结
• 5.2 大坝安全监控的神经网络模型
• 5.2.1 大坝安全监控的 BP神经网络模型
• 5.2.2 大坝安全监控的 RBF神经网络模型
• 5.2.3 小结
• 5.3 基于 KALMAN滤波技术的大坝安全监控神经网络模型递推在线训练方法
• 5.3.1 基本原理
• 5.3.2 基于自适应扩展 Kalman滤波的 BP神经网络权值在线更新算法
• 5.3.3 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 附录A
• 附录B
• 发表论文情况