[发明专利]一种大坝安全智能预测方法及其装置

说明书

本申请公开了一种大坝安全智能预测方法及其装置，该方法包括以下步骤：数据平滑处理；多变量模型训练；多变量模型预测。本申请提供方法采用高斯过程滑动平均法，使得对历史环境量数据和历史位移数据的处理结果更加符合大坝位移的实际变化趋势。通过将该方法运用于实际坝体变形趋势预测，本申请提供方法预测结果与实际坝体监测结果准确性更高，该预测方法在预测结果与实测结果误差较小，准确性明显优于传统方法。

技术领域

本申请涉及一种大坝安全智能预测方法及其装置，属于水电工程技术领域。

背景技术

近年来，我国水电发展尤为迅速，以三峡大坝(坝高181m)、金沙江溪洛渡拱坝(坝高285.5m)、澜沧江小湾拱坝(坝高294.5m)等为代表的一批高坝大库陆续修建。随着大坝在灌溉、防洪、发电等方面，都发挥了巨大的作用，人们愈来愈重视大坝的安全问题，所以安全评估方法既要达到评估的目的又要达到解决实际问题的要求，故大坝的安全性确认也显得越来越重要。

现有大坝位置预测方法，主要根据传统的经验公式等计算模拟拟合和预测大坝监测的结果，只能大概拟合出位移的趋势，很难把大坝位移的波动性拟合至所得预测结果中，不能很好的展示实际坝体变形情况。导致预测结果跟实际监测到的坝体位移数据差距过大，难以满足工程实际应用要求，故需要研究一种能解决大坝安全性测评并且满足实际工程需求的坝体位移量预测方法。

发明内容

本申请提供了一种大坝安全智能预测方法及其装置，用以解决现有预测方法中拟合预测大坝坝体变形结果与实际勘测结果相差较大的技术问题。

本申请提供了一种大坝安全智能预测方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述历史位移数据包括：坝体各向位移量中的至少一个。

优选的，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。

本申请的另一方面提供了一种上述的方法用大坝安全智能预测装置，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；