基于监测时序分解再重构的混凝土拱坝位移预测组合模型

针对混凝土拱坝变形机理的复杂性与测值的高度非线性,提出了一种融合残差有效成分的混凝土拱坝变形预测组合模型,解释大坝变形性能.鉴于统计模型无法有效联系筑坝材料性能演变对大坝变形的影响,结合有限元方法计算水压分量,构建混合模型;考虑到混合模型残差序列的混沌与周期性特征,采用极限学习机(ELM)模型和季节性差分自回归积分滑动平均模型(SARIMA),分别对高频与低频信号进行逐一建模预测;考虑到ELM模型参数对模型预测性能的影响,结合具有良好全局搜索能力的粒子群算法(PSO),对其参数寻优,构建了适应于高频信号处理的优化ELM模型;将高低频信号的预测结果与混合模型建模结果叠加,构建混凝土拱坝变形组合预测模型.以某混凝土拱坝为例,通过建立该大坝的3维有限元数值模型,计算位移拱冠梁上的典型测点PLA1、PLA2水压分量,在构建混合模型的基础上,运用组合模型对典型测点的残差序列变化规律进行剖析与预测.分析结果表明:相比于统计模型、混合模型及基于EEMD-PSO-ELM模型,本文所建组合模型的拟合与预测能力更优,有效验证了所建模型的合理性与可行性;同时,该组合模型具有出色的非线性信息挖掘与建模预测能力,可为大坝变形监测数据分析与预测提供技术支撑.