ACO-BP神经网络模型在大坝变形区间预测的应用研究

周学雷

(黑龙江省水利水电勘测设计研究院，哈尔滨 150080)

1 绪 论

大坝安全监测是降低施工风险和事故频率的主要手段，通过监测数据可实际反映大坝的实际状态。大坝从施工期到运行期，应全面实施监控坝体状态，掌握应力变形规律，及时针对不利因素做出反应，不同的监测周期数据可指导现场施工和运行调配。大坝变形分析通常是指变形的某一区间或具体数值，据此来分析坝体的运行状态，所以监测资料的数据分析、处理预测在安全评价及运行管理发挥着非常重要的实际价值[1]。

2 数值模型及原理

土石坝模型选用坝壳位移监测的测点资料，通过前100组数据训练后建立预测模型，后50组数据检验模型的预测精度。方法为先统一处理数据样本，输入变形影响因子，结合测点实测数据和观测精度进行变形区间处理，输出二进制神经元编码，定义输出类型为4种，变形区间向量如下[2]：

[12，14]记作“0001”；

(14，16]记作“0010”；

(16，18]记作“0100”；

(18，20]记作“1000”。

模型网络结构见图1：

图1 大坝变形区间的ACO-BP网络模型结构图

基于上游水位、温度和时效分量建立神经网络模型，利用数值仿真工具Matlab编制程序。ACO-BP模型共有2个变形区间预测主程序(每个程序有260语句)、BP模型共有2个变形区间预测主程序(每个程序有123语句)，分别进行预测分析不同测点的变形区间向量。

3 工程实例

3.1 工程概况

某水电站枢纽工程拦水坝为碾压式黏土心墙土石坝，大坝渗流监测项目包括：黏土心墙、渗流量观测、坝壳渗流浸润线、左右岸绕坝渗流等[3]。……