[发明专利]一种基于改进WOA-SVR的土石坝运行期沉降变形预测方法

说明书

本发明公开了一种基于改进WOA‑SVR的土石坝运行期沉降变形预测方法，在进行沉降变形预测时，无需人为设定回归公式，通过运行WOA算法来优化SVR中的参数，进而通过优化后的SVR模型来进行沉降变形预测，提高了预测精度，为后续作业提供的参考，进而提高了土石坝运行期的安全性。

技术领域

本发明属于土石坝沉降变形预测方法技术领域，具体涉及一种基于改进 WOA-SVR(鲸鱼优化算法-支持向量回归机)的土石坝运行期沉降变形预测方法。

背景技术

土石坝具有造价低、结构简单、对自然条件适应性强、抗震性能好、工作可靠、寿命长和施工管理简便等优点，因而被广泛采用；在我国已建大坝中90％以上为土石坝。当前，我国已建、正在或准备检索一批超高型土石坝，如黄河上游的茨哈峡面板堆石坝(高254m)；澜沧江上的糯扎渡心墙堆石坝(高265m)；金沙江上的其宗心墙堆石坝(高310m)；雅砻江上的两河口心墙坝(高295m)；大渡河双江口堆石坝(高314m)等，随着土石坝的建设规模越来越大，土石坝性态预测显得尤为重要。

土石坝沉降变形对坝体的服役安全有着重要的影响，因此对土石坝的沉降变形预测研究十分必要。

传统土石坝运行期的沉降预测数学方法主要以回归分析为主，回归分析介绍如下：

土石坝运行期的沉降主要包括库水压力引起的沉降、固结沉降、流变沉降、湿化沉降、渗流引起的沉降，基于一定的推导理论，可以构建如下形式的土石坝运行期沉降的回归模型：

其中，δ_v为坝体某点的沉降，θ为从竣工到观测时刻的时间，Hⁱ为观测时刻的库水位，为观测时刻前i天(小时)的平均水位，m根据经验和试算确定；b₀、c₁、c₂、a₁₁～a₁₃及a₂₁～a_2m均为回归系数；上式中的右侧，则反映了渗流和湿化引起的沉降。

现有的沉降回归分析的公式需要人为假定，选用何种公式和该公式采用何种表达关系只是人们经验的一种推测，这就使得预测精度相对较低，在精度要求较高的领域的使用受到限制。鉴于土石坝运行期的变形对大坝的结构性态影响较大，因此需要采取更为精准的防范对长期变形进行预测。

发明内容

针对现有技术中的上述不足，本发明提供的基于改进WOA-SVR的土石坝运行期沉降变形预测方法解决了土石坝沉降变形预测方法中，需要人为设定回归公式，造成的预测精度相对较低的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于改进 WOA-SVR的土石坝运行期沉降变形预测方法，包括以下步骤：

S1、采集土石坝运行期沉降变形时的原始数据，并对其进行数据归一化处理；

S2、初始化支持向量回归机和鲸鱼优化算法；

S3、利用数据归一化处理后的原始数据对支持向量机进行训练，并将训练误差的作为鲸鱼优化算法中的适应度；

S4、基于数据归一化处理的原始数据和确定的适应度运行鲸鱼优化算法，得到对应的最优解；

S5、将鲸鱼优化算法的最优解作为支持向量机中的最优SVR参数，进而得到用于预测沉降变形的预测模型；

S6、基于沉降变形的影响因子，利用预测模型进行沉降变形预测。

进一步地，所述步骤S1中，土石坝运行期沉降变形时的原始数据包括时长、观测时刻的上游水位、观测时刻前1～5天的上游平均水位；

所述步骤S1中，进行数据归一化处理时的归一化公式为：