非线性组合优化模型在水工建筑物位移监控中的应用

'’%9(!’!)’3=,%9!)3,!!!!!!!!!!%##!V9*%#b>?@,%#"%##!::18U?8"|"‘#k.23hi&’*+jk~!!!"-#!‘$%!>=$%}uZ[%,"*+,>b-!!"##%#45!Bzhh/MzM?2KL5l/&uBzMu*2)*st"E*de#+,tjs<2kWMzM?OsN2|v~!!GMWOPOPQ@7679/#Q2jkBz5RV$#"~!2WhM!"l/Bz5R2Mun8#m({|9:"678!OsN#kWM?#tjs<#&uBz##Q*9:;!!_;:{C/}:1XH"B+ZN73;N7=;N76!73+"%"."1,N3+"%"."%ZZ#ry’:[;:"###$&"a>Vw2nCY{C/}$E*’J-Q<:M :(!!!!!!!!!!!!!!!!!!!%##!"%9!!#h)X/}CUB^jX1="%I8jY"P7S;:1XDaHRS->^jX2?jX("MJ9g($DkDjv5)?:mRS"QT2?V(CxBvH"bjJ-6}:)X/}.w;uNY8SL,m1Y2}2?:^jX%:K}2M"p2?:4Z?’0&]w#34,$/}’’BRh1=+#:"2?:x7?0$M]=G$6.*"m2?Z;3’!++"+%"."+N"0+"0%"."01#3’!!"S#781X?:T2:!@7G"zID0$:x7?!+##7K7VW781X?:0}Da!R#,#+66#!!Bx72?0$!$3+"%"."1#"Gt>+<+PT’J-gZ:/}:2?AB_?0"}>0P:"9]MB0$:x7?7Ke=Gx7$$#$qU-g(:"BR$?K}D"D.2?:_0$#l"gB4Z2?’0$"A+?JKIg^?B$R#_?JK7XvuJW:0$30$#5’0$!++#?%/}^jXha^i"=!+:#:)?PQ-]!!>=!++#1s=!+##"-]Dx72?0$:/J?(B6}4Z2?’0:/J$B7";=!+##AC.M]"]Z+?PQ:X@"VWN4{feCD4ZJ-"hZ=!+:#)?PQ:eh>*#*C=:>)!)39’;3’!!"S#8’!!"S##5’0+590+##"M%‘)?PQ:X@"$D$?ZU2?:_9’’09’!+%#?KG[K}$Zj".w_~=:L,:J2[%5.590%9’01=_s:v$"Dk:&’6=:L,.014h!!=!+%#&’!!"S##B$?’!!"S#:XYC.~!jY&""(’$p=:>)2Z4$:"BR$?M]?"p00}:"=!+%#&:mG;?nB!$#K}/r"DZ78#AN($,p=:>)2Z!L):J2bA29’9’,"3%"."3("A+uCd+sr+$90%901’;3;=’!!"0##3,’0+5%’0%5.5(’01#!k-2&lm!+"#""B1X?#"q^IIJZU016q^rGZ[4$:_!!K4Z?B"3!;5’;#=;!;}/.3;=;""A+&ZU01#h"=!+"#1s=!+!#"]rlf"Jh$M@+:+,#6"U][601:@I)"cd""}%.4,%4%4%(’0%4%.yoUh:dbPe&"L7"U[X.sY01355555:[lNVW@$$][[EB3/);3c)%0’01204,(4%(.4(204(.2>fzCJ"8|XSB"DU(^?@"rE;B!+:#DU(G"UihB+9",(6$!!g(=!+:#9]ZK/}2?:4Z?’0$"][[}=<"0}-CJ~gh~"X[$}>U1s=!++#ZK4Z%:2?0"!7)"iZ;B@z="0}8|‘Y"Q*%6"qd$?:1X3xHEW"&M<{C?%/}+Q/"$##+<@+**"V!%###V:L<$!6y78’#khi+18U"|"?@"Exuv:_V!@78m2?V(J-ZBe.IIJZU01][[YuNd;f][8|‘^jXV(/}B+<"Z[Y[Kg[e9#7!@#;CsDSjm+%<#!"!"NCRS"Q3U#<9!+$$!73/"$##+!>/"$##!Z8|‘V%##+V+*!"*>/"$##+<@:/"$##:!>/"$##9Zh~Y3w+*96ihT9$j#$][8|‘Y:Z6/"$##+!d!!8’9I:#khi;KD’>/"$##!<@:Z6/"$##+<@Bbrl*’8|‘Z"!>6j"k@L"Hlm"Q,’@?@jv---:Rs,do,+a+;1f;1"+**(6@I|=3W!X%+*("’&!a!bc!:;!ab@^MNjeM&Q^"%###""+!$#+"#!"%A&&243A745B5CB5B24BHAI35G&5-47H5&74G4UH’G5’H275’4-&2A3HGHB7G5B475I4BF5CES’I5/-7I(37(IH-C$(%S$%-:,%J,7$-O,!$%7$‘&RO5583O@5;S4NS5cc5KZTg5NQQO3NKRZ34N6;Nc5Zf63STZ3OTS@NS4NSN=f;T;T;3cc5O54eN>OP9L,KM3QZT6N=[5T@RZjK36Q3;TZ56345=jQNON65Z5O;3QZT6TJNZT3Sj;Nc5Zf63STZ3OTS@j4T;Q=NK565SZ)))))))))))))))))))))))))))))))))))))))))))))))))%"#Y""Z&:S5?@mLAq34>A1?@90/+6(stuv5)?@9&1Z$+!+%G"ete"b!!"Q,EwYbWv:}~[SQ!w-^)RhsPLA9jw7G:/0"VSia)R,789#h"%##""%*!$#++("!+(:pLA9&:LA(#%"7mx%-^)Rhs"%!^qJ"b!"uvX"Q,}~[S{ia-^)R,]MAJZ-^)Rhs&eSf?(:LA$lIZU"+**!!%#+%:!%$"!hRr"b;w"x3u"Q,<0HHr<-^)R,+&!D^a+[,#Of;1"+**(.}~[SQVSia-^)R=<’T;?N=!!byo"R_o"zo?,CDEwHpm&Rt/}:6A9)R,Y}i}789)R"%###"%+!+%#++%*$!0HHAB4$6i"AD27=KZTg5Y4NZN3^_5KZ‘>A1b4NZN^N;5NKK5;;TS@Z5KRS3=3@fK36^TS54[TZRO5=NZT3SN=4NZN^N;5NS4O?=54NZN^N;5eN>OP9L,KM5NOZRNS4O3KLcT==4N6jO5=NZT3SN=4NZN^N;5j>KZTg5Y4NZN3^_5KZ‘>A1bjTSZ5==T@5SZ4TN@S3;T;jO?=54NZN^N;5 非线性组合优化模型在水工建筑物位移监控中的应用作者：田斌，任德记，何薪基作者单位：三峡大学土木水电学院,湖北省,宜昌市,443002刊名：水电自动化与大坝监测英文刊名：HYDROPOWERAUTOMATIONANDDAMMONITORING年，卷(期)：2004，28(4)被引用次数：6次参考文献(6条)1.林见观测数据的处理方法19872.吴中如.沈长松.阮焕祥水工建筑物安全监控理论及应用19903.项静恬.杜金观.史久恩动态数据处理--时间序列分析19964.张利.李富强.汪树玉观测分析中的回归--时间序列模型[期刊论文]-浙江大学学报(理学版)2002(05)5.何薪基.任德记.陆付民清江隔河岩库区重要滑坡预测模型探讨[期刊论文]-长江科学院院报1998(05)6.任德记.田斌.周建军隔河岩水电站进水口1998年监测资料分析[期刊论文]-人民长江2000(07)相似文献(10条)1.期刊论文何薪基.田斌.周建军.HeXinji.TianBin.ZhouJianjun最优权组合模型与参数优化在安全监测分析中的应用-大坝观测与土工测试2000,24(5)采用最优加权法配合参数优化建立组合预测模型,对某电站厂房机组平台作垂直位移分析.实例计算证实了所建模型的有效性,为一元或多元非线性建模提供了一条可行途径.2.学位论文江崇国区域原水系统规划的优化研究2007水是生命的源泉，也是生态环境系统中最活跃，影响最广泛的要素之一。而我国水资源人均占有量只有2220m<"3>/a，仅居世界第110位，被列入世界12个贫水国家名单。另一方面，我国80％的水域、45％的地下水受到污染，90％以上的城市水源严重污染，同时，近年如广东北江水污染这类事件的发生，不仅对城市供水造成了严重危害，还严重影响到人民群众的饮水安全和生命健康。因此，合理应用水资源显得非常重要，对原水系统水资源配置提出了更高地要求。论文在简述需水量预测方法的发展，以及分析需水量预测方法的分类和影响因素的基础上，详细评述了需水量预测的常用方法，建立了基于GM(1，1)模型和BP神经网络的最优权组合模型，对其在区域总需水量预测中的应用进行了研究，经精度检验，验证了该模型合理、可行。论文概述了大系统理论和多目标问题理论，详细介绍了现有的水资源优化配置模型并建立了以输配水年运行费用最低为目标的水厂布局优化模型，最后结合水量优化和水厂布局优化建立了原水系统优化总体模型，并可通过遗传算法求解模型。论文以经济、社会、环境等综合效益最大化为目标，对深圳市大鹏半岛原水系统规划进行了实例研究。根据当地统计数据，结合大鹏半岛的自然经济社会概况和水资源利用现状，运用GM(1，1)-BP神经网络最优权组合模型预测出2010年、2020年区域总需水量分别是3215万m<"3>/a、6881万m<"3>/a，采用了基于人口和用地性质的用水标准法预测各用户水量；确定了研究区的供水水源、用户构成和用水关系、优化目标和约束条件、模型参数等，使用Matlab工具箱求解模型，得到在供水保证率97％下2010年、2020年的水量分配，结果表明各用水部门水量基本满足；并对水厂布局方案进行比较，给出了较优的水厂布局方案。3.期刊论文蒋绍阶.江崇国.JIANGShao-jie.JIANGChong-guo灰色神经网络最优权组合模型预测城市需水量-重庆建筑大学学报2008,30(2)需水量预测是一个大量数据指标和影响因素共同作用的复杂系统.目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部.针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较.结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法.4.学位论文王宁灰色组合预测模型研究2009社会经济系统的研究离不开预测理论的支持，本文通过对历史数据的分析，建立反映系统发展规律的定量模型，为分析系统的特征、发展趋势提供强有力的分析工具。不同的预测方法能够提供不同的信息，如果简单地将预测误差较大的一些方法舍去，将会失去一些有用的信息。一种较科学的方法就是进行组合预测。组合预测能够较大限度地利用各种预测样本信息，比单个预测模型考虑问题更系统全面，能够有效的减少单个预测模型中一些随机因素的影响，从而提高预测精度。目前，组合预测模型在很多领域中都已经获得了应用。GM(1，1)模型因其“小样本”和“贫信息”的研究特质和简单实用的优点而在灰色预测中占有重要地位。由于将灰色模型与其他模型结合进行分析和预测，可以实现不同模型之间的功能和优势互补。
　　本文的主要创新点和贡献有：⑴研究了广义对数平均组合预测模型的数学性质。针对组合预测模型能够充分利用各个预测方法提供的信息，从而具有模拟和预测精度较高的优点，研究和探讨了广义加权对数平均组合预测模型的最优化理论基础及其数学性质，在组合预测模型预测值与单项预测方法预测值的P次幂误差平方和最小的基础上建立了广义加权对数平均组合预测模型，并推导出最优权的计算公式。最后通过实例证明了该模型的有效性和实用性。⑵构建了灰色－指数曲线组合预测模型。基于灰色预测模型和指数曲线模型的建模机理，针对组合预测模型能够充分利用各种单项预测方法提供的信息，从而具有模拟和预测精度较高的优点，在组合预测模型预测值与实际值的误差平方和最小的基础上将GM(1，1)模型与指数曲线模型结合，建立新的组合模型：灰色-指数曲线模型，提高了预测的精度。最后通过实例证明了该模型的有效性和实用性。⑶构建了基于灰色相对关联度的组合预测模型。基于灰色关联度的组合预测模型是研究组合预测方法的一个新思路，本文针对组合预测模型能够充分利用各种单向预测方法提供的信息，从而具有模拟和预测精度较高的优点，构造出组合预测的新方法：基于灰色相对关联度的组合预测模型，提出了非劣性组合预测、优性组合预测、劣性组合预测等概念，证明了优性组合预测存在的条件，从理论上说明了基于灰色相对关联度的组合预测方法的有效性，同时也拓宽了灰色相对关联度的应用领域。5.期刊论文田斌.徐卫超.任德记隔河岩水利枢纽副坝位移监控优化模型研究-大坝与安全2004,""(3)监测物理量预测模型的建立是大坝安全监测分析中的重要问题.本文研究了基于参数优化的组合预测模型最优权的求解方法,并结合清江隔河岩水利枢纽副坝位移的实际监测资料验证了方法的合理性,为大坝监测资料的分析提供了一条有效途径. 6.学位论文颜静灰色模型与支持向量机融合的研究2010为了促进经济快速发展和社会不断的进步，在现有的统计数据资料基础上为各种商业和科研等活动做出决策分析，研究并认识事物内在的变化规律，对事物的未来发展进行预测已经成为机器学习领域新的研究热点。随着预测对象越来越复杂，精度要求的越来越高，单一的预模型始终存在着一定的盲区，已经不能满足人们的需要，于是自然想到对两种或多种预测模型进行结合，在预测过程中弥补其各自的缺点，实现优势互补，达到更高的预测精度。本论文首先详细介绍了灰色理论和支持向量机各自理论的研究现状和建模机理，然后针对灰色预测模型与支持向量机模型两者的联系与各自的优势，给出了以下两种融合的可能性和方式，并验证了融合后的预测模型具有更高的预测精度：第一，将灰色模型与支持向量机模型通过最优权组合。其核心思想是：首先利用GM(1，1)模型和支持向量机模型分别对数据进行预测，这样得到两组预测值，然后均方差最小的前提下，寻找最优组合权值将两组预测值组合起来，将组合得到的预测值作为最终的预测值，从而达到提高预测精度的目的。第二，给出了基于灰色关联度分析方法的两种支持向量机预测模型(称为灰色支持向量机)。其一是将灰色关联度方法直接利用到支持向量机模型中去，从众多的影响因子中筛选出主要因子，再将主要因子作为支持向量机的输入进行预测；其二是将筛选出来的主要因子利用灰色理论方法进行一次累加，再将累加生成数列作为输入建立灰色支持向量机预测模型。论文中将组合预测模型运用于两个实际问题中，通过实验中三种预测模型的预测值对比，验证了组合模型的有效性和准确性，具有良好的鲁棒性。将灰色支持向量机应用于某城市环境污染问题中进行模拟仿真，实验结果表明新模型对预测精度有极大的改善，有效的降低预测成本和空间与时间复杂度，要优于单一的支持向量机预测模型。关键字：灰色模型，灰色关联分析，支持向量机，组合优化，预测7.期刊论文赖道平.顾冲时遗传模拟退火算法的组合模型在大坝监控中的应用-水电能源科学2003,21(4)针对最优权组合模型可能出现不符合实际的负权重,增加权重大于等于0的约束条件,放松权重之和等于1的约束条件,采用遗传模拟退火算法搜索最优权重建立组合模型.实例说明:该方法合理可行,所建立的组合模型与最优权组合模型的拟合精度和预报精度相近,克服了最优权和基于神经网络组合模型的缺点.8.学位论文周健区域电力市场负荷预测的研究2006负荷预测是能量管理系统(EMS)的重要组成部分，它对电力系统的运行，控制和计划都有着非常重要的意义，是电力部门的重要工作之一。区域电力市场条件下，由于其与电价的响应关系，负荷预测更成为区域电力市场的技术支持手段之一，对于区域电力市场参与主体各方有着重要意义。提高负荷预测的水平，有利于用电管理，也有利于制定合理的电源建设规划，提高电力系统的经济效益和社会效益。本文以华东电网（四省一市）为例，研究区域电力市场的负荷预测问题。全文主要内容：第一，分析了区域电力市场下条件的负荷预测工作，探讨了我国的区域电力市场以及多种负荷预测的技术及其特点；第二，分析了华东区域电力市场特性，着力研究其负荷运动规律，并且探讨了温度等因素与负荷的关系；第三，采用粒子群优化算法来确定组合模型的最优权重系数，从而建立了华东区域电力市场的组合负荷预测模型；最后，用华东电网的历史负荷数据对组合负荷预测模型进行了测试验证，并使用了同期的单一负荷预测模型预测的结果与之对比分析，分析结果表明得到的华东电网组合负荷预测模型预测精度高，取得了很好的预测效果。本文提出的华东电力市场分析以及基于WEB网站的华东负荷预测系统设计架构，可以为有关方面研究华东区域电力市场，参与华东电力市场服务提供有益的参考。9.期刊论文谢定松.薛桂玉.李民基于BP神经网络的非线性组合模型及其应用-人民长江2002,33(7)由于采用最优权组合模型进行大坝安全监测观测资料分析时,有时会出现不符合实际的负权重.针对这一情况,采用基于BP神经网络的非线性组合模型,并进行实例计算.实例表明,基于BP神经网络的非线性组合模型是可行的和合理的,建立可信的数学模型是作好组合模型的前提,基于BP神经网络的非线性组合模型拟合精度和预报效果都要优于最优权组合模型、各子统计模型.10.期刊论文黄文杰.傅砾.肖盛.郭世繁.HuangWenjie.FuLi.XiaoSheng.GuoShifan基于模糊层次分析法的风速短期预测组合模型-现代电力2010,27(3)针对风速预测的特点以及人为判断的模糊性,为提高风速预测精度,文中提出了基于模糊层次分析法的风速预测组合模型.该模型以风速预测周期、风速的震荡性与预测者对预测模型的信赖度为目标准则;考虑到专家判断的模糊性,采用三角模糊数来表征专家判断信息,并通过层次分析法对专家判断结果进行处理得到各方案的最优权重.该组合模型综合考虑影响风速预测的多种不确定性因素,在综合不同模型预测结果的基础上引入专家经验.实际算例表明,该组合模型能有效提高风速预测的精度.引证文献(6条)1.邓宏艳.王成华非线性组合模型在库岸边坡地下水位预测中的应用[期刊论文]-土木建筑与环境工程2010(1)2.李秀珍.王成华.孔纪名基于最优加权组合模型及高斯-牛顿法的滑坡变形预测研究[期刊论文]-工程地质学报2009(4)3.李秀珍.孔纪名.王成华高斯-牛顿法在滑坡预测预报模型参数优化中的应用[期刊论文]-水土保持通报2008(5)4.蒋绍阶.江崇国灰色神经网络最优权组合模型预测城市需水量[期刊论文]-重庆建筑大学学报2008(2)5.金永强.顾冲时.于鹏变权组合预测模型在大坝安全监测中的应用[期刊论文]-水电自动化与大坝监测2006(5)6.方国宝.顾冲时.岑黛蓉大坝安全分析中时效模型的改进及其应用[期刊论文]-水电自动化与大坝监测2006(5) 本文链接：http://d.g.wanfangdata.com.cn/Periodical_dbgcytgcs200404018.aspx授权使用：中国石油天然气股份有限公司锦州石化分公司(zgsytrqjzsh)，授权号：03f25d3c-e3e6-4557-9b6e-9e44011b90be下载时间：2010年12月6日'