首页|改进的特高拱坝分区变形预测模型

改进的特高拱坝分区变形预测模型

Improved zonal deformation prediction model for super-high arch dams

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
已有特高拱坝分区变形预测模型不能辨识趋势性、周期性和波动性的空间差异性.提出一种改进的模型,应用变分模态分解将变形分解为趋势性、周期性和波动性分量;通过基于主成分的分层聚类方法确定温度因子,将库水位、温度和谷幅等影响因子分解为趋势性、低频和高频成分.采用基于形状距离的优化动态时间规整算法进行变形分量分区,计算分区质心序列,利用灰色关联度确定主要影响因子成分.构建基于实测温度的统计模型以及随机森林、最小二乘支持向量机和增强回归树等算法的分区预测模型,叠加各分量得到变形预测值.利用溪洛渡特高拱坝运行初期的变形数据验证改进分区模型的有效性,结果表明,模型精度较高,且同时识别了位移的空间关联性和差异性.

super-high arch damdeformationpredictionspatiotemporal correlationvariational mode decompositionmachine learning

胡江、王春红、李星

展开 >

南京水利科学研究院 大坝安全与管理研究所,南京 210029

南京瑞迪水利信息科技有限公司,南京 210029

特高拱坝 变形 预测 时空相关性 变分模态分解 机器学习

国家自然科学基金国家自然科学基金中国博士后科学基金

51879169522091652022M711667

2023

10.11660/slfdxb.20230707

水力发电学报
中国水力发电工程学会

水力发电学报

CSTPCDCSCD北大核心
影响因子：0.801
ISSN：1003-1243
年,卷(期)：2023.42(7)
  • 1
  • 19