郭洪濤，李鑫龍，唐昌文

（中水東北勘測設計研究有限責任公司，吉林 長春 130026）

神經(jīng)網(wǎng)絡模型在大壩變形預測中的應用研究

郭洪濤，李鑫龍，唐昌文

（中水東北勘測設計研究有限責任公司，吉林 長春 130026）

根據(jù)水電站大壩多年的變形觀測數(shù)據(jù)，基于神經(jīng)網(wǎng)絡模型方法預測大壩的變形。研究中應用MATLAB工具箱建立BP網(wǎng)絡模型，預報大壩的變形。結果顯示準確性較好，填補了空白觀測時間階段的變形數(shù)據(jù)。

大壩變形預測；人工神經(jīng)網(wǎng)絡；水電站

0 引言

近年來國內外的許多專家學者對大壩位移預報工作做了深入探索，主要研究方法包括變系數(shù)回歸分析方法[2]；時間序列方法[3]和神經(jīng)網(wǎng)絡模型方法等[4]。但均不理想。因此需要選擇一種合適的數(shù)學模型來近似的描述動態(tài)的觀測數(shù)據(jù)變化，實現(xiàn)控制與預報大壩變形目的。

與傳統(tǒng)的基于回歸模型或基于時間序列大壩位移監(jiān)測系統(tǒng)相比，人工神經(jīng)網(wǎng)絡方法無需假設輸入變量與輸出變量復雜的相關聯(lián)系。

1 工程應用

吉林省境內某大壩屬于二等大型工程，由混凝土面板堆石壩、右岸泄洪（兼導流）隧洞、左岸岸邊開敞式溢洪道、發(fā)電引水隧洞及廠房、升壓變電站等組成，最大壩高56.6 m，壩頂長度270.0 m左右，壩頂寬6.0 m，面板頂高程545.35 m；上游壩坡1∶1.4，下游壩坡1∶1.3，壩頂高程為547.40 m，防浪墻頂高程為548.60 m（加高后）?？傃b機容量60 MW。主要以發(fā)電為主，兼顧灌溉、防洪等綜合利用。

觀測分析資料從1999年9月開始，截止2015年10月。水平位移向下游位移為正，向上游為負。

2 觀測資料

為監(jiān)測大壩表明水平位移，共設6條縱向測線34個測點。其中迎水坡混凝土面板上布設2條、壩頂1條、背水坡3條，縱向測點高程分別為521，531，545，532，522 m以及 509 m（自上游起算），大壩蓄水后上游迎水坡兩條測線被淹沒。

大壩運行期間，為監(jiān)測大壩表面水平位移，共設4條縱向測線（22個測點），從1999年8月開始觀測，對3條測線（18個測點）進行觀測。

橫向水平位移采用視準線法觀測，觀測時中間不設站，全站儀假設左岸工作基點，后視右岸工作基點固定覘標。前半測回，盤左正鏡后視固定覘標，固定照準部，前視測點活動覘標，進行測度；再次后視固定覘標，前視測活動覘標，測讀第二次；盤右重復上述操作，為一測回，共8次讀數(shù)，取均值作為測點觀測值。限差要求見表1所示，觀測方法及限差規(guī)定全部滿足規(guī)范要求。

表1 視準線限差規(guī)范表

縱向水平位移與橫向水平位移同時觀測，采用TCA2003測量工作基點至測點距離，邊長的變化值即視為測點相對基點的縱向水平位移。觀測兩個測回，測回間的較差不超過2.5 mm。觀測計算后限差規(guī)定滿足要求。

3 實際應用

人工神經(jīng)網(wǎng)絡（ANN）是在人類對其大腦神經(jīng)網(wǎng)絡認識理解的基礎上人工構造的能夠實現(xiàn)某種功能的神經(jīng)網(wǎng)絡，是理論化的人腦神經(jīng)網(wǎng)絡的數(shù)學模型。人工神經(jīng)網(wǎng)絡基于模仿大腦神經(jīng)網(wǎng)絡結構和功能而建立的一種信息處理系統(tǒng)，由于可以進行復雜的邏輯操作和非線性關系實現(xiàn)，所以對多變的壩頂水位位移的預測有著重要的指導作用。

人工神經(jīng)網(wǎng)絡是由大量被稱為節(jié)點的簡單信息處理單元組成，每個節(jié)點向鄰近的其他節(jié)點發(fā)出抑制或激發(fā)信號，工作過程基本分為訓練與測試兩個階段。在訓練階段，以一組輸入一組輸出模型對作為訓練樣本集來訓練網(wǎng)絡，其過程主要是權值、閾值等網(wǎng)絡參數(shù)的調整過程。在測試運行階段，給定新的輸入，網(wǎng)絡模型即能計算得出相應的輸出。

由于輸入層的數(shù)據(jù)具有不同的量綱，為了避免神經(jīng)網(wǎng)絡局部超過飽和，需要對輸入數(shù)據(jù)進行歸一化處理。

該項目基于MATLAB工具箱中的神經(jīng)網(wǎng)絡理論，將不同時期的庫水位、溫度、相對濕度、降雨量觀測數(shù)據(jù)作為輸入神經(jīng)元，預測大壩的水平位移，由于縱向與豎向位移較小，研究中不做具體闡述。橫向位移量對大壩變形影響較大，是分析的重點。橫向水平位移結果如圖1～2所示。

圖1 L18橫向水平位移觀測值預報值對比圖

圖2 L31橫向水平位移觀測值預報值對比圖

圖1 ～2為大壩測線1和測線3,L18與L31兩點橫向水平位移觀測值與預測值對比圖。分析看出，預報曲線整體趨勢與實測值相似度很高。除個別突變值外，大部分觀測值與預報值控制在0.3 mm內。橫向水平位移最小值均發(fā)生在觀測初期。觀測中期2003—2010年階段，位移速度逐漸穩(wěn)定收斂。2013年觀測后期，橫向水平位移量有增大趨勢，應進一步分析增大原因并做好處理工作。

4 結 語

該預測方法以實體大壩為研究對象，利用多年來采集的變形資料，結合神經(jīng)網(wǎng)絡模型，分析大壩變形情況。預測出的位移數(shù)據(jù)很好地彌補了空白觀測時間階段變形數(shù)據(jù)的缺失狀況，從而獲得大壩安全監(jiān)測的第一手資料。分析可知大壩變形分布合理，變形值逐漸趨于穩(wěn)定，目前運行狀態(tài)正常。因此大壩的變形監(jiān)測對了解大壩的工作狀態(tài)、安全管理與擴大電站的經(jīng)濟效益和社會效益有著重要的指導意義。

［1］李守巨，劉迎曦，劉玉靜.基于進化神經(jīng)網(wǎng)絡混凝土大壩變形預測［J］.巖土力學，2003，24（4）：634-638.

［2］盧駿，戴吾蛟，章浙濤.大壩變形變系數(shù)回歸建模［J］.武漢大學學報：信息科學版，2015，40（1）：139-142.

［3］徐培亮.應用時間序列方法作大壩變形預報［J］.武漢大學學報：信息科學版，1988（3）.

［4］李少華，董增川.BP神經(jīng)網(wǎng)絡模型應用于大壩原型觀測研究［J］.水利與建筑工程學報，2004，2（2）：31-33.

［5］叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡理論與應用［M］.北京：中國科學技術大學出版社.2013（．1）：2-3.

TV698

B

1002－0624（2016）11－0042－02

2016-07-21