基于SWT和SVR的重力坝变形预测研究

李麒　朱光平

摘要：变形是重力坝安全状况的最直接反映，应用合理的变形预测模型可以对重力坝工作性态进行准确的监控及预警。利用Hampel滤波剔除原始变形信号粗差，通过平稳小波变换（SWT）获取变形信号多尺度分量，对比分析了不同阈值函数及阈值确定方法的去噪效果。针对预处理后数据及原始数据，分别采用逐步回归分析、BP神经网络和支持向量回归（SVR）建立变形预测模型，对比分析了各模型的预测效果。结果表明：SVR模型预测效果最好;经过预处理后的数据建模预测效果优于原始数据。

关键词：重力坝; 变形预测; 平稳小波變换; 阈值去噪; 支持向量回归

中图法分类号： TV642.3

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.11.028

0引 言

混凝土坝最主要的破坏形式是坝基滑动，因此坝体变形是其安全状况的最直接反映，也是国内外专家公认的最可靠指标[1]。有必要建立合理的重力坝变形预测模型，对重力坝工作性态进行准确的监控及预警。

目前，大坝常用的预测模型有多元回归模型、确定性有限元模型以及有限元与回归模型相结合的混合模型[2]，这些模型有的泛化能力较差，有的计算量大。随着国内外学者对大坝变形预测模型研究的深入，神经网络、支持向量机、相关向量机等智能算法被逐渐应用到该领域[3-5]。受监测仪器、外部环境以及人为因素的影响，大坝变形监测数据不可避免地含有粗差及噪声，会影响后续的数据分析及预测模型的建立[6]，然而目前很多研究均忽略了数据预处理的相关研究，导致得到的预测模型存在一定程度的偏差。……