[发明专利]一种大坝安全智能预测方法及其装置

权利要求书

1.一种大坝安全智能预测方法，其特征在于，包括以下步骤：

步骤S100：复现坝体监测数据后采用高斯过程平滑处理各复现监测数据，得到平滑数据集；

经过平滑处理后，历史数据曲线更加符合大坝位移数据是连续型的时间序列的现实同时保证变化趋势跟现实相符，采用该数据作为训练集，能提高训练后所得模型对坝体位移的预测准确性。

步骤S200：采用MLP模型以固定历史数据长度的多个单变量作为训练集进行预测数据训练，得到第一训练模型；

步骤S300：采用第一训练模型以固定周期的多个单变量作为训练集进行预测训练，得到多变量预测模型；

步骤S400：采用历史环境量数据和历史位移数据通过多变量预测模型进行坝体位移预测，得到坝体位移预测结果；

平滑数据集包括：多个固定历史数据长度单变量和固定周期单变量。

2.根据权利要求1所述的大坝安全智能预测方法，其特征在于，所述单变量包括：坝体实测点上游水位、下游水位、降雨量和三个位移量。

3.根据权利要求2所述的大坝安全智能预测方法，其特征在于，步骤S200和步骤S300中选用单变量历史数据时至少选取四项所述单变量作为训练集。

4.根据权利要求1所述的大坝安全智能预测方法，其特征在于，所述历史环境量数据选自：坝体待测点水压、温度、坝体衰老经验模型预测结果、坝体待测点处的上游水位、下游水位、降雨量中的至少一个。

5.根据权利要求1所述的大坝安全智能预测方法，其特征在于，所述历史位移数据包括：坝体各向位移量中的至少一个。

6.根据权利要求1所述的大坝安全智能预测方法，其特征在于，步骤S400中包括：对历史环境量数据和历史位移数据分别进行高斯过程平滑处理。

7.一种如权利要求1～6中任一项所述的方法用大坝安全智能预测装置，其特征在于，包括：

数据处理模块，用于复现坝体监测数据后采用高斯过程平滑处理各复现监测数据，得到平滑数据集；

模型训练模块，用于采用MLP模型以固定历史数据长度的多个单变量作为训练集进行预测数据训练，得到第一训练模型；

采用第一训练模型以固定周期的多个单变量作为训练集进行预测训练，得到多变量预测模型；

预测模块，用于采用历史环境量数据和历史位移数据通过多变量预测模型进行坝体位移预测，得到坝体位移预测结果；

所述平滑数据集包括：多个固定历史数据长度单变量和固定周期单变量。