逐步回归算法在边坡安全监测中的运用

doi:10.3969/j.issn.1001-5485.2013.01.004

长江科学院院报 ›› 2013, Vol. 30 ›› Issue (1): 21-25.DOI: 10.3969/j.issn.1001-5485.2013.01.004

逐步回归算法在边坡安全监测中的运用

陈兰^a,b,c，仲云飞^a,b,c，吴邦彬^a,b,c，许淼^a,b,c

河海大学 a.水文水资源与水利工程科学国家重点实验室；b. 水资源高效利用与工程安全国家工程研究中心；c.水利水电学院，南京 210098

收稿日期:2011-12-20 修回日期:2012-02-07 出版日期:2013-01-01 发布日期:2013-01-01
作者简介:陈兰（1988-），女，湖北天门人，硕士研究生，主要研究方向为大坝安全监控
基金资助:
国家自然科学基金资助项目(51079046, 50909041, 51139001)；河海大学水文水资源与水利工程科学国家重点实验室专项基金（2009586012, 2009586912, 2010585212）；中央高校基本科研业务费项目(2009B08514, 2010B20414, 2010B01414, 2010B14114)；江苏省“333高层次人才培养工程”(2017-B08037)；江苏省普通高校研究生科研创新计划（CX09B_163Z）

Application of Stepwise Regression Algorithm to Slope Safety Monitoring

CHEN Lan^1,2,3， ZHONG Yun-fei^1,2,3，WU Bang-bin^1,2,3，XU Miao^1,2,3

1.State Key Laboratory of Hydrology Water Resources and Hydraulic Engineering, Hohai University, Nanjing210098，China；2.National Engineering Research Center of Water Resources Efficient Utilization and Engineering Safety, Hohai University, Nanjing 210098，China；3.College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098，China

Received:2011-12-20 Revised:2012-02-07 Published:2013-01-01 Online:2013-01-01

摘要/Abstract

摘要：

考虑时效、降雨和温度对边坡变形的影响，深入分析了边坡变形的外在影响因素及各因子的表达形式，建立边坡变形统计回归模型，应用Matlab软件和逐步回归算法，实现边坡变形的回归分析与预测。东津水电站溢洪道左岸高边坡变形监测资料分析成果表明：边坡变形统计拟合值与实测值接近，复相关系数较大，剩余标准差较小。该模型能较好地反映边坡的变形规律和发展趋势，为分析边坡运行时的安全状态和预测变形趋势提供了指导思想，有较大的工程实用价值。

关键词: 边坡变形, 统计回归模型, 影响因子, 复相关系数, 剩余标准差

Abstract:

Considering the effect of time, rainfall and temperature on slope deformation, we analyzed the deformation factors and their expressions in depth. We also established a statistical regression model of slope deformation through Matlab software and stepwise regression algorithm to carry out regression analysis and prediction of slope deformation. Analysis on the deformation monitoring data of high slope on the left bank of spillway of Dongjin hydropower station showed that the statistical regression values of slope deformation were in good agreement with measured values, with large multiple correlation coefficients and small residual standard deviations. This model can well reflect the slope deformation and its trend, and it provides guidelines for analyzing the safety and predicting the deformation trend. 

Key words: slope deformation, statistical regression model, influencing factor, multiple correlation coefficient, residual standard deviation

中图分类号:

P642.2

陈兰，仲云飞，吴邦彬，许淼. 逐步回归算法在边坡安全监测中的运用[J]. 长江科学院院报, 2013, 30(1): 21-25.

CHEN Lan， ZHONG Yun-fei，WU Bang-bin，XU Miao. Application of Stepwise Regression Algorithm to Slope Safety Monitoring[J]. Journal of Changjiang River Scientific Research Institute, 2013, 30(1): 21-25.

[1]	叶舟, 耿诚, 徐贝, 陈芳. 基于长系列水文监测数据的台风对舟山岛降雨量的影响[J]. 长江科学院院报, 2023, 40(6): 35-42.
[2]	李齐荣, 苗则朗, 陈帅, 李珂, 蒲明辉. 基于多模态分类模型的芦山地震滑坡易发性评价[J]. 长江科学院院报, 2022, 39(5): 63-70.
[3]	李轩, 张文江, 蒋蕙如, 刘俐. 青藏高原东南部径流特征的空间规律及控制因子研究[J]. 长江科学院院报, 2021, 38(3): 25-31.
[4]	汪斌, 朱杰兵, 张振杰, 张利洁. 考虑高地温及其梯度影响的围岩分级方法初探[J]. 长江科学院院报, 2020, 37(8): 69-74.
[5]	李翠漫, 许贵林, 卢远. 广西桂东南区域崩岗关键影响因子及敏感性研究[J]. 长江科学院院报, 2020, 37(3): 131-136.
[6]	冯忠居, 胡海波, 董芸秀, 戴良军, 冯凯, 文军强. 超大直径空心独立复合桩的竖向承载力计算方法[J]. 长江科学院院报, 2019, 36(12): 91-95.
[7]	邓彩云, 李凌云, 朱勇辉. 河岸稳定性评估指标体系初探[J]. 长江科学院院报, 2019, 36(10): 127-130.
[8]	朱永飞. 基于主成分分析的洪灾损失影响因子评估[J]. 长江科学院院报, 2015, 32(5): 53-56.
[9]	陈建平,丁际豫,吴子杰. 氮肥对地下水中氮迁转机理研究[J]. 长江科学院院报, 2015, 32(2): 24-29.
[10]	姜小兰,刘运飞. 对《长江科学院院报》近年来影响因子的分析与思考[J]. 长江科学院院报, 2015, 32(12): 150-154.
[11]	陈野,李青云,曹慧群. 河流泥沙吸附磷的研究现状与展望[J]. 长江科学院院报, 2014, 31(5): 12-16.
[12]	许霄霄,牛瑞卿,叶润青,王靖伟. 基于外因响应的滑坡位移预测模型研究[J]. 长江科学院院报, 2013, 30(7): 42-47.
[13]	李德营，殷坤龙. 基于影响因子的GM(1,1)-BP模型在八字门滑坡变形预测中的应用[J]. 长江科学院院报, 2013, 30(2): 6-11.
[14]	吴云芳, 李珍照. 大坝神经网络预报模型与大坝回归预报模型的比较[J]. 长江科学院院报, 2003, 20(2): 50-53.
[15]	刘大明. 关于扩大本刊国际影响的思考[J]. 长江科学院院报, 1999, 16(6): 54-55.

逐步回归算法在边坡安全监测中的运用

Application of Stepwise Regression Algorithm to Slope Safety Monitoring

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价