论文部分内容阅读
随着水资源开发战略的不断推进，我国已进入高拱坝建设阶段。高拱坝的高强度要求使其对温控防裂要求更高。在混凝土浇筑前提前对其浇筑仓温度进行准确预测，对高拱坝温控防裂具有重要意义。但温度预测是一种复杂的非线性过程，预测模型难以建立，随着计算机技术的突飞猛进，人工神经网络理论在解决强耦合、严重非线性关系问题上展现出其巨大优越性。本文即在这种背景下，提出了新的观点和方法，并展开了相应的研究工作。 本文提出了采用基于径向基函数（RBF）神经网络进行高拱坝混凝土浇筑仓温度进行预测。根据溪洛渡工程实例，与其典型坝段分布式光纤监测数据相结合，对建立的RBF神经网络温度预测模型的应用进行了探讨。论文主要内容包括： （1）简单阐述了人工神经网络及RBF神经网络的基本理论，在分析RBF训练算法的基础上，重点研究了 RBF网络中心的确定方法，并给出了具有高精度的自组织（非监督）学习选取RBF中心的网络训练过程；结合Matlab软件中的神经网络工具箱，给出了建立RBF神经网络高拱坝混凝土浇筑仓温度预测模型的基本步骤。 （2）结合溪洛渡工程典型坝段混凝土浇筑仓，以分布式光纤监测温度数据为样本，建立 RBF温度预测模型，分别对一期通水控温阶段混凝土浇筑仓温峰值及二期通水混凝土浇筑仓内部温度进行预测，并对预测结果进行检验分析。 （3）采用RBF神经网络对一期通水控温阶段温控措施优选进行了探索。首先对影响浇筑仓温峰值的影响因素进行单因素敏感分析；随后选取浇筑温度、冷却水水温、冷却水流量、水管布置四个参数进行温控措施的优选；最后结合工程实例，验证对温控措施进行优选的过程。