论文部分内容阅读
随着我国经济持续稳定的高速发展，以开发水能资源和解决水问题而兴建的水利水电工程将越来越多。大坝安全监测是大坝安全管理工作的耳目，是降低工程风险、减少事故、揭示大坝实际工作性态的重要手段。对大坝原型监测资料的分析，是判断大坝安危的科学依据。因此对大坝监测资料做出及时、合理、有效的分析是大坝安全监控的重要工作之一。
小浪底水利枢纽是治理开发黄河的关键性工程，属国家“八五”重点项目，自蓄水运行以来，已发挥了巨大的社会和经济效益。为确保大坝安全运行，加强安全监测工作并进行原型监测资料分析十分重要。
人工神经网络和遗传算法在大坝安全监测领域各有其独特的优势，通过优势互补，本文建立了一种基于遗传算法和神经网络相结合的GA-LMBP网络的大坝安全监测预报模型，在Matlab7.1的平台上进行了编程实现。小浪底大坝是一座特大型的土石坝，相对于混凝土大坝而言，由于建造材料和建造方式的不同，土石坝的变形量较大，变形情况较为复杂，以往选用的灰色系统模型、时间序列模型等预报效果一般不够理想。本文将GA-LMBP网络的大坝安全监测预报模型应用在小浪底大坝原型监测资料的分析预报上，首先进行了大坝一维垂直方向的变形分析预报，并与经典的BP网络模型和改进的LM-BP网络模型的预报效果进行了详细的比较，发现GA-LMBP网络模型无论是在收敛速度、稳定性上，还是在预报精度上，都有着明显的优势；论文进一步进行了大坝三维的变形分析预报的探讨，同样取得了较好的预报效果。证明了GA-LMBP网络模型能很好地应用在土石坝安全监测中，为土石坝变形分析提供了一种新的预报模型。