[發明專利]一種基于ARIMA-GC-SVR的高拱壩谷幅變形預測分析方法

有效

• 申請號: 202010610261.0
• 申請日: 2020-06-30
• 公開（公告）號: CN111914395B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 徐衛亞;史宏娟;王環玲;孟慶祥;閆龍;程志超
• 申請（專利權）人: 河海大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于ARIMA?GC?SVR的高拱壩谷幅變形預測分析方法，首先獲取壩區數據，對數據進行預處理；選用ARIMA模型、LASSO模型并依據實際工程計算需求所需的粒計算(GC)窗口長度，構建滿足計算需求的影響因子矩陣；根據影響因子矩陣，結合谷幅變形值矩陣，選用粒計算構建粒化矩陣；對?；仃囘M行預測長度為單位窗口的最小二乘支持向量機回歸模型(SVR)預測分析；最后將?；瘮祿叨冗€原，若預測終點日期小于目標預測時間，則更新影響因子矩陣及?；仃?，重新進行預測，直至滿足目標預測時間要求。本發明效率高，成本低，同時擴大了可預測時間范圍，提高了長時間預測精度，為谷幅變形長期預報提供參考。

技術領域

本發明涉及高拱壩谷幅變形預測分析方法，具體涉及一種基于ARIMA-GC-SVR的高拱壩谷幅變形預測分析方法。

背景技術

谷幅變形是一種自然現象，該現象主要發生在高拱壩建設運營期間，資料顯示，谷幅變形是高拱壩面對的重要挑戰，會影響拱壩工作性態和長期安全性。谷幅變形監測是反映山體變形的重要指標，原理是在河谷兩岸上按需要設置多對測線，通過記錄測線長度的變化，分析得到谷幅隨時間的變化關系。

目前對谷幅變形的研究成果相對較少，尚未形成統一認識和研究體系，主要集中在通過監測數據對比分析進行的定性研究。此外部分學者通過建立合理的數值模型，采用有限元模擬的方法開展谷幅變形相關的研究，但均是利用有限元仿真分析來分析谷幅變形對拱壩應力應變狀態及安全特性的研究，而尚未針對谷幅變形這一特定現象開展詳細的研究。

ARIMA模型是一種預測具有長期變化特征的變量的時間序列模型，已被廣泛運用在水文氣象要素預測方面；GC是一種模糊計算方法，可以將復雜數據點信息融合為具有代表的信息要素，并將其作為計算的基本單元，可以大大提高計算效率；SVR為最小二乘支持向量機回歸模型，通常用于連續變量回歸預測，但結合粒計算的SVR具有長期預測精度較差的缺點。

為了兩岸山體的安全監管及拱壩安全監管預警，可以選用GC結合SVR模型對谷幅變形值進行預測，但現有預測方法在長期預測條件下精度不高。

發明內容

發明目的：針對谷幅變形這一特定現象，同時考慮現有技術存在的問題，本發明的目的在于提供一種基于ARIMA-GC-SVR的高拱壩谷幅變形預測分析方法，以給出預測精度較高、覆蓋范圍更大的的谷幅變形長期預報，同時解決了SVR區間預測可預測時間范圍較短的問題，能夠為谷幅變形值預測分析提供參考。

技術方案：一種基于ARIMA-GC-SVR的高拱壩谷幅變形預測分析方法，包括以下步驟：

(1)對壩區相關監測數據進行預處理，建立影響因素數據分析體系；所述數據分析體系包括三層數據矩陣，分別為一級數據矩陣、二級數據矩陣和三級數據矩陣；

(2)對所述壩區相關監測數據進行預測處理，分析比較監測數據特點，選用ARIMA法對一級數據矩陣進行目標時段內預測，擴充一級數據矩陣，更新二級數據矩陣、三級數據矩陣；

(3)根據工程計算需求，確定粒計算窗口長度，計算窗口數量，基于三級數據矩陣，構建單次計算影響因子矩陣；

(4)根據所述單次計算影響因子矩陣，結合谷幅變形值矩陣，選用粒計算(GC)構建?；仃嚕?/p>

(5)根據所述粒化矩陣，構建SVR模型，對?；仃囘M行預測長度為單位窗口的區間預測分析；

(6)將粒化數據尺度還原，確定預測終點日期；若預測終點日期小于目標預測日期，更新步驟(3)的單次計算影響因子矩陣及步驟(4)的粒化矩陣，重新進行區間預測，直到預測終點日期大于目標預測日期；

(7)整理計算結果，得出谷幅變形值預測區間。

進一步的，步驟(1)中，所述壩區相關監測數據包括庫水位高程、庫水位升降速率、各測線谷幅變形累計值、壩區單日氣溫均值及壩區單日降雨量。