[发明专利]利用改进ABC算法确定热学参数的大坝温度预测方法

说明书

本发明涉及利用改进ABC算法确定热学参数的大坝温度预测方法，包括：采集大坝不同部位的混凝土温度监测数据；建立各个混凝土浇筑仓的有限元模型；确定热学参数，并建立目标函数；利用有限元模型进行温度仿真模拟计算，并计算目标函数值；利用改进的人工蜂群算法对热学参数进行迭代反演，判断得到的热学参数值的优劣；重复反演计算，得到满足要求的热学参数的取值，并将计算得到的温度值与混凝土实际温度值相比较，达到预期目标后停止迭代反演；根据得到的热学参数值，预测大坝混凝土的温度。本发明利用改进ABC算法对热学参数进行反演计算，减小了计算的热学参数值与真实值的误差，提高了大坝温度预测的精度，有利于对大坝实施精细化的实时温度调控。

技术领域

本发明属于水利水电混凝土大坝温度调控领域，具体涉及一种利用改进ABC算法确定热学参数的大坝温度预测方法。

背景技术

在混凝土大坝的建设过程中，由于自身水化热和外界气温等因素的影响，坝体中容易产生较大的温度应力，当混凝土的抗拉强度不足以抵抗该温度应力时，极易产生温度裂缝。为了实时准确地了解大坝的温度性态，仅靠现有仪器得到当前的温度数据是不够的，还需要通过软件仿真对大坝温度未来变化趋势进行预测，获得准确的混凝土温度场来分析大坝应力状态。然而，混凝土温度场仿真计算过程中易受多种不确定因素影响，如外部温度、内部水管冷却以及混凝土的热学参数等。外部温度、冷却水管流量可现场监测得到，而热学参数取值则需要通过室内试验获得。但由于室内试验的局限性，热学参数的室内实验值与实际值存在较大误差。因此，有必要基于大坝施工现场实测数据和智能优化分析方法，综合考虑现场外界气温与冷却通水因素的影响，通过反演计算获得大坝施工过程中真实热学参数值。

大坝热学参数反演计算过程实质上是利用优化算法调用温度场仿真计算程序进行多次迭代的过程。现有技术的优化算法调用温度场的方法局部搜索能力差、对初始值依懒性强，在复杂问题上，容易陷入局部最优、无法保证能够搜索到全局最优解，并且还存在计算量大、迭代时间长等问题。

人工蜂群算法(Artificial Bee Colony algorithm，ABC)是一种模拟蜜蜂群体寻找优质蜜源的仿生智能计算方法，由土耳其学者Karaboga在2005年提出。它是通过对自然界蜂群的长期观察，将蜂群的群体智能用于求解优化问题并与人工智技术相结合而产生的。该算法属于集群思想的范畴，类似的还有鱼群算法、蚁群算法等。人工蜂群算法本质是一种广义的邻域搜索算法，它将蜂群分为引领蜂、跟随蜂、侦察蜂3种蜜蜂类型以及分享蜜源和放弃蜜源2种基本行为。每个蜜源的位置代表优化问题的可行解，蜜源的花蜜量代表对应解的质量，蜜蜂寻找蜜源的速度代表求解对应的优化问题的速度，通过引领蜂、跟随蜂、侦察蜂在不同情况下的转换，借助启发式策略，不仅能有效进行局部搜索，还具有全局寻优的能力。

与其它智能算法相比，ABC算法具有控制参数少，计算简单易于实现，搜索速度较快，以适应度函数作为主要进化依据等优良特点，但是ABC依然存在收敛速度后期放慢以及易陷入局部最优解等问题。

因此，研究改进的人工蜂群算法，并将其应用到对大坝热学参数的反演计算以实现对大坝温度的精准预测。

发明内容

本发明的目的是针对上述问题，提供一种利用改进ABC算法确定热学参数的大坝温度预测方法，在ABC算法解空间的搜寻过程中增加当前全局最优值的引导作用以加快ABC算法的收敛速度，并在引领蜂领域搜索过程中增加交叉操作以提高全局寻优能力；利用改进ABC算法对热学参数进行反演计算，减小计算的热学参数值与真实值的误差；再根据计算得到的热学参数值预测大坝温度，以便于对大坝实施精细化温度调控。

本发明的技术方案是利用改进ABC算法确定热学参数的大坝温度预测方法，所述改进ABC算法为基于交叉运算的全局人工蜂群算法。

所述大坝温度预测方法包括以下步骤：

步骤1：采集大坝不同部位的混凝土温度监测数据；

步骤2：建立各个混凝土浇筑仓的有限元模型，并设定初始条件和边界条件；