欢迎来到天天文库
浏览记录
ID:34598830
大小:8.00 MB
页数:74页
时间:2019-03-08
《土石坝渗流预测的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、土石坝渗流预测研究摘要渗流问题对于土石坝安全性有着重要的影响,因此对坝体渗流情况做预测分析,可以有效避免事故的发生和减少危害,并为处理病险坝提供科学依据,在保证坝体安全运行的前提下,充分发挥工程效益。在前人所做的研究的基础上,本文所做的主要工作有以下几个方面:(1)以二维渗流为研究对象,利用饱和渗流和非饱和渗流的基本方程的推导方法,用初流量法推导了涉及自由面渗流问题的有限元方程,便于利用有限元法实现土石坝渗流预测。(2)在综合分析人工鱼群算法和粒子群算法的优、缺点的基础上,结合两种算法的特点,提出了分阶段寻优算法——AFPS0算法,该算法既可以提高搜索能力和
2、收敛精度,同时也避免了容易陷入局部最优的缺陷。(3)为了实现土石坝渗流预测,用回归型支持向量机(SVR)建立渗流预测模型,其中参数C和g对模型性能影响较大,本文用AFPSO算法可以实现大范围快速的搜寻上述参数,从而可以提高模型的预测能力。(4)为研究用有限单元法建立的确定性模型应用于土石坝渗流预测的可行性,本文用有限元软件建立了那板土石坝最大坝高处的二维渗流模型,选取无降雨和降雨较多两个计算方案,由计算结果可以看出,预测值与实测值相差较大,而且建立模型及其计算求解所需时间较长,所以对于本工程实例不适合用本文所建立的有限元模型对测压管水位进行定量预测。(5)利
3、用本文提出的改进支持向量机方法建立了库水位、降雨量、测f压管水位三者相关的渗流预测模型,分别对那板水库最大坝高断面7个测压管的测管水位做了预测,并将预测结果和用BP神经网络以及有限元模型所得出的预测结果做了对比分析。结果表明本文提出的改进的支持向量机方法在土石坝渗流预测方面具有一定的优越性。关键词:土石坝有限元鱼群粒子群算法支持向量机渗流预测测压管水位STUDYoNTHESEEPAGEFLOWPREDICTIoNOFEARTH.ROCKDAMABSTRACTSeepageproblemhasimportantinfluenceforearth—rockdam
4、safety,anditisonthedamseepageflowsituationpredictionanalysis,caneffectivelyavoidaccidentsandreduceharm,andprovidethescientificbasisofthetreatmentofdamseepagepath,inordertoensurethesafeoperationofthedampremise,improvetheengineeringbenefitfully.Onthepreviousresearch,andonthebasisofth
5、ispapermainworkareasinthefollowingaspects:(1)Withtwo—dimensionalseepageastheresearchobjectandthebasicequationofsaturatedseepageandunsaturatedseepageflowderivationmethod,theinitialflowmethodisderivedthefiniteelementequationsinvolvingthefreesurfaceseepageproblem,whichfacilitateusingt
6、hefiniteelementmethodtoimplementtheearthdamseepageprediction.(2)Inthecomprehensiveanalysisadvantagesanddisadvantagesofartificialfishalgorithmandparticleswarmoptimization,andonthebasisofthecharacteristicsofthecombinationoftwoalgorithm,anewalgorithminstagesisintroduced,AFPSOalgorithm
7、,whichcanimprovethesearchabilityandtheaccuracyofconvergence,andatthesametime,avoidtheeasytofallintolocaloptimumdefects.(3)Inordertorealizepredictionoftheearthdamseepage,seepageflowpredictionmodelisestablishedwithsupportvectormachineforregression(SVR),whichisgreatlyaffectedbythesupp
8、ortvectormachine(SVM)metho
此文档下载收益归作者所有