未确知滤波法和灰色模型在大坝变形预测中的应用

长江科学院院报 ›› 2011, Vol. 28 ›› Issue (10): 86-89.

未确知滤波法和灰色模型在大坝变形预测中的应用

李波1a ，1b ，刘明军 2 ，张治军 3

1. 长江科学院 a. 工程安全与灾害防治研究所； b. 水利部水工程安全与病害防治工程技术研究中心，武汉 430010 ； 2. 中国电力投资集团公司南方分公司，广州 510130 ； 3. 长江勘测规划设计研究院施工设计处，武汉 430010

出版日期:2011-10-01 发布日期:2011-10-01

Unascertained Filtering and Grey Model Applied in Dam Deformation Prediction

LI Bo 1, LIU Ming-jun 2 , ZHANG Zhi-jun 3

1.Yangtze River Scientific Research Institute, Wuhan 430010, China ； 2.South Branch of  China Power Investment Group Company, Guangzhou 510130, China ； 4.Construction Design Office,  Changjiang River Survey Planning Design and Research Institute,  Wuhan 430010, China

Published:2011-10-01 Online:2011-10-01

摘要/Abstract

摘要： 对大坝变形进行预测时，观测序列中的粗差不可避免地影响预测精度，同时，监测序列较短也会影响预测的精度，针对这些情况，将未确知滤波法和灰色模型应用到大坝变形预测中。首先利用未确知滤波法对大坝变形监测序列进行粗差识别，并修正粗差，再采用灰色模型预测大坝的变形。实例分析表明，通过 2 种方法有机地结合，可以显著地提高大坝变形预测的精度，具有较高的工程实用价值。

关键词: 未确知滤波法 , 灰色模型 , 大坝变形 , 预测

Abstract: Unascertained filtering and grey model are applied to predict dam deformation as the prediction accuracy is inevitably influenced by the gross error of observation sequence on the one hand and the short observation sequence itself on the other. The gross error of dam deformation observation sequence is detected and corrected by unascertained filtering method, and subsequently the grey model is employed to predict the dam deformation. The integration of the two processes is proved by case study to be of high practical value with remarkably improved prediction accuracy.

Key words: unascertained filtering method , grey model , dam deformation , prediction

中图分类号:

TV698.1

李波，刘明军，张治军 . 未确知滤波法和灰色模型在大坝变形预测中的应用[J]. 长江科学院院报, 2011, 28(10): 86-89.

LI Bo , LIU Ming-jun , ZHANG Zhi-jun . Unascertained Filtering and Grey Model Applied in Dam Deformation Prediction [J]. Journal of Changjiang River Scientific Research Institute, 2011, 28(10): 86-89.

编辑推荐

Metrics

阅读次数

全文

1880

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	1880

来源	本网站	其他网站

次数	600	1280
比例	32%	68%

摘要

621

最新录用	在线预览	正式出版

0	0	620

来源	本网站	其他网站

次数	86	535
比例	14%	86%

[1]	朱小韦, 袁占良, 李宏超. 基于BP-PCA-WCA-SVM的混凝土大坝变形预测方法[J]. 长江科学院院报, 2024, 41(9): 138-145.
[2]	孟万尚, 赵帅杰, 李琳. 基于人工神经网络的梯形闸门流量计算模型[J]. 长江科学院院报, 2024, 41(9): 86-92.
[3]	牛云岗, 麻凤海, 王琼亿. 正断层对下盘影响区基坑围护桩变形的影响[J]. 长江科学院院报, 2024, 41(9): 130-137.
[4]	兰小机, 贺永兰, 武帅文. 基于RF-BiLSTM模型的河流水质预测[J]. 长江科学院院报, 2024, 41(7): 57-63.
[5]	张代凤, 崔东文. 基于3种新型群体智能算法优化正则化极限学习机的三峡水库入库日径流预测[J]. 长江科学院院报, 2024, 41(7): 16-24.
[6]	姚韦靖, 韩金秀, 方冉, 庞建勇. 秸秆/聚丙烯纤维-玻化微珠保温混凝土基本性能正交试验[J]. 长江科学院院报, 2024, 41(6): 156-163.
[7]	王晨霞, 王金旭, 王宇飞, 梁卫国, 苏天, 曹芙波. 硅灰对再生混凝土抗盐冻性能及微观结构的影响[J]. 长江科学院院报, 2024, 41(6): 171-177.
[8]	余周, 姜涛, 范鹏辉, 牛超群, 陈兵. 基于EMD-DELM-LSTM组合模型的湖泊水位多时间尺度预测[J]. 长江科学院院报, 2024, 41(6): 28-35.
[9]	李菊, 崔东文. 基于数据分解与斑马算法优化的混合核极限学习机月径流预测[J]. 长江科学院院报, 2024, 41(6): 42-50.
[10]	钱玉霞, 陈伏龙, 何朝飞, 龙爱华, 孙怀卫, 吕廷波. “分解-校正-集成”模式下基于深度信念网络模型的径流预测[J]. 长江科学院院报, 2024, 41(5): 35-44.
[11]	马昭, 张明礼, 段旭晗, 赵博. 大断面浅埋隧道地表沉降Peck修正公式及其应用[J]. 长江科学院院报, 2024, 41(3): 118-125.
[12]	杨涛, 张钰奇, 付春健, 赵华东. 基于多特征融合的水工闸门剩余寿命预测[J]. 长江科学院院报, 2024, 41(2): 188-197.
[13]	徐国权, 王鑫瑀. 基于MARS的岩石抗拉强度预测模型[J]. 长江科学院院报, 2024, 41(2): 135-141.
[14]	王永强, 张森, 谢帅, 周涛. 基于深度学习的三峡电站未来坝前最大最小水位预测[J]. 长江科学院院报, 2024, 41(12): 9-14.
[15]	仲维华. 工业废渣协同水泥固化淤泥压缩特性[J]. 长江科学院院报, 2024, 41(1): 121-127.