亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于MCMC法的混凝土壩壩體壩基變形模量隨機(jī)反演

        2020-05-12 02:04:40李培聰李同春
        關(guān)鍵詞:馬爾可夫后驗(yàn)壩基

        程 井,李培聰,李同春,袁 平

        (1. 河海大學(xué) 水利水電學(xué)院,江蘇 南京 210098;2. 中冶長(zhǎng)天國(guó)際工程有限責(zé)任公司,湖南 長(zhǎng)沙 410007)

        壩體、壩基物理力學(xué)參數(shù)的選定是壩工設(shè)計(jì)和分析壩體應(yīng)力、變形以及裂縫形成機(jī)理的基礎(chǔ)。傳統(tǒng)反演方法主要建立在確定性分析基礎(chǔ)上。然而,由于混凝土壩工作環(huán)境的復(fù)雜多變性,壩體變形是一個(gè)隨機(jī)變量,變形過程是一個(gè)隨機(jī)過程,觀測(cè)值只是一個(gè)樣本序列或樣本值的實(shí)現(xiàn),即觀測(cè)的變形具有不確定性,只能從概率意義來研究變形的均值與方差[1]。因此,考慮不確定性的隨機(jī)反演方法更符合實(shí)際情況。

        目前,混凝土重力壩主要通過對(duì)原型觀測(cè)資料分析,建立確定性數(shù)學(xué)模型,反求大壩的材料參數(shù)以及某些結(jié)構(gòu)特性[2]。近年來,部分學(xué)者開始考慮水工結(jié)構(gòu)反演中的不確定性問題。楊杰等[3]提出基于最大熵原理的貝葉斯不確定性反分析法;蘇懷智等[4]在傳統(tǒng)的確定性模型中引入?yún)^(qū)間數(shù)因子,考慮了不確定性因素對(duì)反演結(jié)果的影響;杜永峰等[5]基于模糊理論提出考慮測(cè)量數(shù)據(jù)不確定性的結(jié)構(gòu)物理參數(shù)識(shí)別方法;雷鵬等[6-7]進(jìn)一步研究了參數(shù)不確定性區(qū)間反演。貝葉斯方法是一種考慮不確定性因素的有效反演方法,馬爾可夫鏈蒙特卡羅方法(MCMC)是目前貝葉斯方法的標(biāo)準(zhǔn)抽樣方法,在巖土工程、水資源優(yōu)化以及土壤學(xué)等學(xué)科已有學(xué)者進(jìn)行相關(guān)研究[8-10]。然而,對(duì)于許多復(fù)雜問題,似然函數(shù)難以獲得,因此,Marjoram等[11]首次提出了無似然函數(shù)的馬爾可夫鏈蒙特卡羅方法,在此基礎(chǔ)上,Daniel等[12]通過調(diào)節(jié)馬爾可夫鏈的容差,提高該方法的計(jì)算效率,簡(jiǎn)化了許多復(fù)雜的工程問題。

        本文基于Bayesian理論,考慮參數(shù)先驗(yàn)信息分布及觀測(cè)值的不確定性,采用無似然函數(shù)的馬爾可夫鏈蒙特卡羅(MCMC without likelihoods)方法進(jìn)行彈性模量的隨機(jī)反演,研究參數(shù)后驗(yàn)分布的統(tǒng)計(jì)特性,并分別對(duì)觀測(cè)值出現(xiàn)波動(dòng)情況(人為觀測(cè)誤差及擬合中出現(xiàn)誤差)與觀測(cè)值進(jìn)行比較,評(píng)價(jià)模型誤差和預(yù)測(cè)精度。

        1 基于現(xiàn)代貝葉斯理論的參數(shù)隨機(jī)反演

        貝葉斯原理中,令X為一連續(xù)型分布的隨機(jī)變量,其先驗(yàn)概率密度函數(shù)為π(X),則后驗(yàn)概率密度函數(shù)f(X∣D)為:

        式中:X為隨機(jī)變量(待反演參數(shù));D為觀測(cè)樣本;f (X∣D) 為隨機(jī)變量的后驗(yàn)分布;f (D∣X) 為似然函數(shù),數(shù)值上等于D在X上的條件分布;π(X) 為隨機(jī)變量(參數(shù)X)的先驗(yàn)分布。

        1.1 馬爾可夫鏈蒙特卡羅方法(MCMC)

        對(duì)于復(fù)雜問題,若先驗(yàn)分布和后驗(yàn)分布不滿足共軛分布條件,常規(guī)貝葉斯方法難以得到后驗(yàn)分布估計(jì)值(均值、標(biāo)準(zhǔn)差)的解析式,因此,需要借助于數(shù)值方法或近似方法進(jìn)行模擬[8]。為解決該問題,采用馬爾可夫鏈蒙特卡羅方法計(jì)算后驗(yàn)分布。而MCMC方法的基本思想則是通過隨機(jī)抽樣建立一個(gè)最終平穩(wěn)分布為所求后驗(yàn)分布的馬爾可夫鏈,通過馬爾可夫鏈得到后驗(yàn)分布的樣本,進(jìn)而得到對(duì)應(yīng)的期望值和標(biāo)準(zhǔn)差。常用的MCMC方法有Gibbs抽樣、Metropolis抽樣等基本算法。采用的無似然函數(shù)MCMC算法具體步驟[11]如下:

        (1) 初始化馬爾可夫鏈初始狀態(tài)X0=x0;

        (2) 在i時(shí)刻(第i次循環(huán)),馬爾可夫鏈狀態(tài)Xi=xi,由轉(zhuǎn)移核q(Xi→Xi+1)采樣Xi+1;

        (3)根據(jù)Xi+1及已知先驗(yàn)計(jì)算模型M,產(chǎn)生隨機(jī)樣本D′;

        (4) 如果D′=D(已知抽樣樣本),進(jìn)入下一步,否則從第(2)步重新開始;

        (5) 計(jì)算接受率h:

        (6) 若滿足接收條件,則接收Xi+1,否則從第(2)步重新開始。

        抽樣過程中,抽樣終止以馬爾可夫鏈?zhǔn)諗繛榍疤幔虼?,馬爾可夫鏈?zhǔn)諗颗c否對(duì)模型參數(shù)后驗(yàn)估計(jì)具有重要影響。BGR診斷法[13]是馬爾可夫鏈?zhǔn)諗啃栽\斷常用方法之一,該方法基于區(qū)間統(tǒng)計(jì)特性及長(zhǎng)度進(jìn)行診斷,定義診斷指標(biāo)為:

        式中:L 為 馬爾可夫鏈總的序列區(qū)間長(zhǎng)度或統(tǒng)計(jì)特性;l為馬爾可夫鏈單鏈區(qū)間長(zhǎng)度均值或統(tǒng)計(jì)特性均值。若馬爾可夫鏈?zhǔn)諗浚祽?yīng)接近于1。

        1.2 觀測(cè)數(shù)據(jù)(樣本)不確定性分析

        壩體位移是一個(gè)隨機(jī)變量,變形過程是一個(gè)隨機(jī)過程,觀測(cè)值只是一個(gè)樣本序列或樣本值的實(shí)現(xiàn),因此具有不確定性。根據(jù)文獻(xiàn)[2]大壩位移統(tǒng)計(jì)模型表達(dá)式為:

        式中:δH,δT,δθ分別為水壓分量、溫度分量、時(shí)效分量??紤]到混凝土壩工作環(huán)境的復(fù)雜多變性以及各種不確定因素(如測(cè)量誤差、儀器精度、擬合誤差等),假設(shè)對(duì)于某個(gè)區(qū)間內(nèi)的每個(gè)值有:

        式(6)表明,大壩位移由兩部分組成,一部分是由水壓分量δH、溫度分量δT和時(shí)效分量δθ等組成,另一部分ε ~N(0, σ2)為不確定性因素造成的隨機(jī)誤差。則對(duì)于水壓分量有:

        式中:H為上游水位測(cè)值與壩底高程之差;ai為水壓因子回歸系數(shù);εH為水壓分量中不確定性因素造成的隨機(jī)誤差。

        1.3 壩體壩基變形模量隨機(jī)反演

        采用MCMC without likelihoods算法進(jìn)行參數(shù)隨機(jī)反演,具體步驟:

        (1)根據(jù)觀測(cè)壩體位移變形數(shù)據(jù)統(tǒng)計(jì)回歸分析[2],得到不同水位下實(shí)測(cè)位移統(tǒng)計(jì)模型水壓分量D以及不確定性因素造成的隨機(jī)誤差 εH~N(0,σH2);

        (2)確定壩體、壩基變形模量X的先驗(yàn)分布π(X);

        (3)由于觀測(cè)的變形具有不確定性,由統(tǒng)計(jì)模型分析得到的壩體位變形與實(shí)際觀測(cè)值必然存在差距,因此,抽樣過程中必須考慮不確定性因素造成的隨機(jī)誤差εH~N(0,σH2);

        (4)以后驗(yàn)概率密度函數(shù)f (X∣D)為目標(biāo)函數(shù),采用MCMC without likelihoods算法產(chǎn)生壩體、壩基變形模量隨機(jī)樣本,其中通過隨機(jī)誤差εH~N(0,σH2)篩選相應(yīng)的有效樣本,2.4節(jié)通過人為調(diào)整隨機(jī)誤差,進(jìn)一步研究了隨機(jī)誤差對(duì)壩體、壩基變形模量分布的影響;

        (5)將有效的馬爾可夫鏈樣本作為后驗(yàn)概率密度函數(shù)f (X∣D)的樣本,計(jì)算后驗(yàn)分布f (X∣D)的估計(jì)值(均值,標(biāo)準(zhǔn)差)。

        2 工程算例

        2.1 工程概況

        龍灘水電站前期工程于2006年10月開始下閘蓄水,2008年12月初步達(dá)到正常蓄水位。大壩壩頂高程382 m,建基面高程216.43 m,壩高165.57 m,壩頂寬度14 m。以11號(hào)壩段為典型壩段,根據(jù)實(shí)測(cè)壩體水平位移反演壩體、壩基變形模量。如圖1所示,二維有限元模型范圍為:向上、下游各延伸250 m、壩基建基面以下延伸235 m。有限元節(jié)點(diǎn)布置時(shí),盡可能考慮將位移測(cè)點(diǎn)安排在單元節(jié)點(diǎn)上,采用四節(jié)點(diǎn)單元,共2 383個(gè)節(jié)點(diǎn),2 244個(gè)單元。

        圖 1 11 號(hào)壩段有限元模型及垂線測(cè)點(diǎn)Fig. 1 FEM mesh and vertical monitoring points of 11# dam section

        參數(shù)反演時(shí),選取正垂線測(cè)點(diǎn) PL11-1(高程 342.00~379.00 m),PL11-2-2(高程 270.00~342.00 m)與PL11-3(高程222.75~270.00 m)2010年5月28日至2011年8月15日的實(shí)測(cè)順河向位移進(jìn)行分析,依據(jù)式(4)分離壩體位移水壓、溫度及時(shí)變等主要分量,各垂線的復(fù)相關(guān)系數(shù)R分別為0.964,0.951和0.977,反演分析中輸入不同水位下實(shí)測(cè)位移統(tǒng)計(jì)模型水壓分量D,即對(duì)模型依次施加水位為335,340,345,355和360 m的上游靜水壓力,結(jié)果如表1所示。

        表 1 不同水位下實(shí)測(cè)位移統(tǒng)計(jì)模型水壓分量DTab. 1 Water pressure component D given by statistical model at different water levels

        觀測(cè)值只是一個(gè)樣本序列或樣本值的實(shí)現(xiàn),也就是說觀測(cè)的變形具有不確定性。因此,觀測(cè)值必須考慮各種不確定因素。由圖2(a)所示,擬合值與實(shí)測(cè)值存在誤差,誤差來源于上述各種不確定因素。根據(jù)1.2節(jié)所述引入水壓分量的隨機(jī)誤差 εH~N(0,σH2),圖 2(b),(c)和 (d)分別為 222.75,270.00和 342.00 m 高程擬合總體位移及其分量。

        圖 2 龍灘觀測(cè)位移擬合值與實(shí)測(cè)值Fig. 2 Fitted values and measured values of observation displacements of Longtan Dam

        2.2 單參數(shù)反演分析

        假定壩基變形模量為確定量,壩體彈性模量為待反演隨機(jī)變量。采用無似然函數(shù)的MCMC算法來反演單個(gè)參數(shù),初步認(rèn)為壩體彈性模量服從區(qū)間為[10,60]的均勻分布,模擬時(shí)馬氏鏈樣本數(shù)取20 000個(gè)。

        圖3為無似然函數(shù)MCMC抽樣樣本。圖4為正態(tài)分布Q-Q檢驗(yàn)圖,其中橫坐標(biāo)為分位數(shù),縱坐標(biāo)為樣本值;圖中點(diǎn)近似為一條直線,說明樣本基本服從正態(tài)分布。圖5為BGR診斷法馬氏鏈?zhǔn)諗啃栽\斷圖,通過比較可以看出樣本數(shù)量達(dá)到7 500時(shí),診斷指標(biāo)穩(wěn)定在1附近,所以在以下分析中有效鏈長(zhǎng)度取為10 000~20 000。圖6比較了參數(shù)的先驗(yàn)分布、后驗(yàn)分布概率密度曲線及其正態(tài)擬合曲線,結(jié)果表明:(1)壩體彈性模量均值由先驗(yàn)分布的45 GPa變?yōu)楹篁?yàn)分布均值32.09 GPa,基本符合龍灘重力壩實(shí)際壩體彈性模量;(2)彈性模量后驗(yàn)分布區(qū)間比先驗(yàn)分布明顯收窄,壩體彈性模量反演結(jié)果的標(biāo)準(zhǔn)差為3.81 GPa,變異系數(shù)為0.119。

        圖 3 MCMC抽樣樣本Fig. 3 Samples in MCMC

        圖 4 正態(tài)分布Q-Q檢驗(yàn)圖Fig. 4 Q-Q diagram of normal distribution

        圖 5 馬氏鏈?zhǔn)諗啃栽\斷Fig. 5 Convergence diagnosis of Markov chains

        圖 6 彈性模量后驗(yàn)分布概率密度分布曲線Fig. 6 Probability density curves of posterior distribution

        2.3 多參數(shù)反演分析

        假定壩體彈性模量及壩基變形模量均為待反演隨機(jī)變量,采用無似然函數(shù)的MCMC算法反演多個(gè)參數(shù)。反演時(shí),初步認(rèn)為兩參數(shù)均服從區(qū)間為[10,60]的均勻分布,模擬時(shí)馬氏鏈樣本數(shù)取20 000個(gè)。

        圖7為壩體彈性模量、壩基變形模量MCMC抽樣樣本,其Q-Q檢驗(yàn)圖表明兩個(gè)變量的馬氏鏈樣本均服從正態(tài)分布。圖8比較了兩個(gè)參數(shù)的先驗(yàn)分布、后驗(yàn)分布概率密度曲線及其正態(tài)擬合曲線,結(jié)果表明:(1)壩體彈性模量均值由先驗(yàn)分布的45 GPa變?yōu)楹篁?yàn)分布均值33.49 GPa,壩基變形模量的均值由先驗(yàn)分布35 GPa變?yōu)楹篁?yàn)分布均值29.53 GPa,基本符合龍灘重力壩實(shí)際情況;(2)壩體彈性模量、壩基變形模量標(biāo)準(zhǔn)差分別為3.78 和1.90 GPa,變異系數(shù)分別為0.11和0.06,標(biāo)準(zhǔn)差與變異系數(shù)均明顯縮小,說明參數(shù)的不確定性顯著減小。

        圖 7 MCMC抽樣樣本Fig. 7 Samples in MCMC

        圖 8 參數(shù)后驗(yàn)分布概率密度分布曲線Fig. 8 Probability density curves of posterior distribution

        采用經(jīng)典的最小二乘法反演壩體、壩基變形模量,與本文提出的反演方法進(jìn)行對(duì)比,在同一壩段,同樣觀測(cè)數(shù)據(jù)情況下,兩種反演方法的結(jié)果比較如表2所示。結(jié)果表明,兩種算法都能較好地給出參數(shù)的反演結(jié)果,最小二乘法盡管誤差平方和更小,但缺少對(duì)不確定因素的考慮,只給出了一個(gè)確定值的結(jié)果;而MCMC算法充分考慮了不確定因素的影響,反演結(jié)果能更好地反映壩體、壩基變形模量的分布規(guī)律。

        表 2 兩種反演方法結(jié)果Tab. 2 Comparison between two inversion methods

        2.4 壩體壩基變形模量敏感性分析

        位移的不確定性決定了壩體彈性模量及壩基變形模量反演結(jié)果的不確定性。通過模擬不同的σH進(jìn)行壩體彈性模量及壩基變形模量的敏感性分析。正垂線PL11-1(高程342.00 m)與PL11-3(高程222.75 m)測(cè)點(diǎn)實(shí)測(cè)樣本標(biāo)準(zhǔn)差分別為σH= 0.12 mm和σH= 0.24 mm。圖9為不同的觀測(cè)樣本標(biāo)準(zhǔn)差(隨機(jī)誤差)與壩體彈性模量、壩基變形模量標(biāo)準(zhǔn)差的關(guān)系,易發(fā)現(xiàn)隨著觀測(cè)樣本隨機(jī)性(波動(dòng))的增大,反演的壩體、壩基變形模量變異系數(shù)相應(yīng)增大。

        圖 9 觀測(cè)樣本標(biāo)準(zhǔn)差與壩體彈性模量、壩基變形模量變異系數(shù)關(guān)系Fig. 9 Relationships between standard deviations of observation samples and variation coefficients of elastic modulus of dam body and deformation modulus of dam foundation

        3 結(jié) 語

        針對(duì)混凝土壩材料力學(xué)參數(shù)反演中存在大量不確定性的問題,提出了高混凝土重力壩壩體彈性模量與壩基變形模量的MCMC隨機(jī)反演方法,給出了無似然函數(shù)的馬爾可夫鏈蒙特卡羅法在工程中的實(shí)際應(yīng)用,并研究了壩體變形不確定性對(duì)反演結(jié)果的影響。研究結(jié)果表明:(1)該隨機(jī)反演方法可以得出所需反演參數(shù)(壩體彈性模量、壩基變形模量)的分布;(2)反演參數(shù)的后驗(yàn)分布變異性較先驗(yàn)分布有明顯降低;(3)在考慮變形觀測(cè)值離散性變化情況下,后驗(yàn)分布變異性與觀測(cè)值離散性呈正相關(guān)關(guān)系。

        MCMC隨機(jī)反演方法計(jì)算簡(jiǎn)便、高效,具有很強(qiáng)的工程實(shí)用性,為混凝土壩參數(shù)隨機(jī)反演提供了重要計(jì)算方法。但有時(shí)為了得到較為精確的參數(shù)尾部分布,需要的抽樣數(shù)較大,這就導(dǎo)致有限元計(jì)算的總耗時(shí)巨大,因此需要結(jié)合有限元原理對(duì)該算法進(jìn)行優(yōu)化。

        猜你喜歡
        馬爾可夫后驗(yàn)壩基
        基于對(duì)偶理論的橢圓變分不等式的后驗(yàn)誤差分析(英)
        貝葉斯統(tǒng)計(jì)中單參數(shù)后驗(yàn)分布的精確計(jì)算方法
        軟弱壩基滲透特性試驗(yàn)及防滲處理
        一種基于最大后驗(yàn)框架的聚類分析多基線干涉SAR高度重建算法
        保費(fèi)隨機(jī)且?guī)в屑t利支付的復(fù)合馬爾可夫二項(xiàng)模型
        大坪水庫(kù)壩基、壩肩滲漏與穩(wěn)定評(píng)價(jià)及處理
        受鄰近廠房影響的壩基開挖爆破設(shè)計(jì)
        基于SOP的核電廠操縱員監(jiān)視過程馬爾可夫模型
        墊層混凝土對(duì)落水孔水庫(kù)壩基應(yīng)力的改善
        應(yīng)用馬爾可夫鏈對(duì)品牌手機(jī)市場(chǎng)占有率進(jìn)行預(yù)測(cè)
        97人妻人人做人碰人人爽| 亚洲午夜久久久久中文字幕久| 久久露脸国产精品WWW| 国产亚洲av手机在线观看| 美女性色av一区二区三区| 91久久偷偷做嫩模影院| 波多野结衣在线播放| 精品www日韩熟女人妻| 又黄又爽又色的视频| 免费人成黄页网站在线观看国产| 日本成人字幕在线不卡| 国产真实伦视频在线视频| 一区二区三区日本久久| av免费不卡一区二区| 精品免费国产一区二区三区四区| 国产精品久久国产精品99| 亚洲依依成人亚洲社区| 百合av一区二区三区| 国产三级在线观看性色av| 日韩精品人妻视频一区二区三区 | 日本女优激情四射中文字幕| 伊人情人色综合网站| 性高朝大尺度少妇大屁股| 亚洲色无码播放| 国产福利97精品一区二区| 久久精品天堂一区二区| 国产毛片视频一区二区| 夜夜揉揉日日人人青青| 成人做爰高潮尖叫声免费观看| 亚洲精品一二区| 蜜桃传媒免费观看视频| 国产欧美在线观看不卡| 国偷自产视频一区二区久| 99re热这里只有精品最新| 99JK无码免费| 成人大片在线观看视频| 久久久久亚洲精品男人的天堂| 国产激情久久久久影院老熟女免费 | 亚洲女初尝黑人巨高清| 日韩黑人欧美在线视频观看| 3亚洲日韩在线精品区|