（岩土工程专业论文）人工智能技术在大坝安全分析中的应用.pdf

人_ t 智能技术在大坝安全分析中的应用 摘要 本文应用人工智能技术中的人工神经网络模型、模糊神经网络模型、遗传算法对 影响到堤坝安全的三个问题进行了分析，分别对堤坝管涌预测判定问题、混凝土坝抗 震可靠度问题、堤坝边坡稳定性的可靠性评估问题运用人工智能技术进入深入分析， 获得很好的结果。 第一个分析的问题是堤坝管涌问题，应用人工智能技术建立了管涌预测与判定的 模型。首先分析了堤坝管涌发生的过程和影响管涌发生的因素，提出了一种预测判定 管涌发生可能性的机理模型，根据机理模型从影响堤坝管涌发生的诸多复杂因素中选 出既便于测量、观测又对管涌发生影响显着的几种因素作为人工神经网络的输入，建 立了管涌影响因素与管涌发生指标之间的映射关系。应用收集到的管涌数据对管涌人 工神经网络模型进行训练和预测，预测的结果精度较高，说明人工神经网络是预测判 定管涌发生的有效方法。针对管涌发生的不确定性和模糊性，文中进一步建立了管涌 的模糊神经网络模型，用同样的样本对模糊神经网络进行训练和测试，获得不错的预 测结果，证明模糊神经网络也是预测判定管涌发生的有效方法。 第二个分析的问题是混凝土坝的抗震可靠度问题，应用人工神经网络技术建立混 凝土重力坝和拱坝的抗震可靠度模型。针对混凝土大坝抗震可靠度分析中，大多数功 能函数不一定能显式给出，目前一般使用几何法求解，由于存在各种假定和近似，几 何法不是一种完备的求解方法，对非线性问题求解繁琐甚至困难。运用人工神经网络 建立了混凝土大坝抗震可靠度与影响它的因素之间的映射关系，将收集的混凝土坝抗 震可靠度数据对模型进行训练和测试，结果表明人工神经网络具有很强的映射能力， 对混凝土坝抗震可靠度的预测是可行的。 第三个分析的问题是堤坝边坡稳定性安全评估问题，应用遗传算法寻优最小安全 系数和最小可靠指标。文中针对随机风浪作用下侵蚀一损伤的堤坝边坡稳定性提出一 种安全可靠性评价方法，应用遗传算法寻找最危险滑动面对应的安全系数和最小可靠 指标，并与传统优化算法进行比较，遗传算法寻优结果稳定不依赖于初值，明显优于 传统优化算法。 关键词：人工智能；人工神经网络；模糊神经网络；遗传算法；管涌；混凝土重力坝 混凝土拱坝；抗震可靠度；边坡稳定性；安全功能函数；风浪作用；侵蚀一损伤。 浙江人学颂士学位论文 a b s t r a c t t h i sp a d e ru s e sa r t i f i c i a ln e u r a in e t w o r k f u z z yn e u r a ln e t w o r ka n dg e n e t i ca l g o r i t h m i na r t i f i c i a li n t e l l i g e n tt oa n a l y s i st h r e ep r o b l e m sa f f e c t i n gt h es a f e t yo fe m b a n k m e n t w h i c hi n c l u d e sp r e d i c t i o na n di u d g e m e n to fp i p i n go c c u r r i n gi ne m b a n k m e n t ，s e i s m i c r e l i a b i l i t yo fc o n c r e t ed a m s ，s l o p er e l i a b i l i t ye v a l u a t i o no fl e v e ep r o j e c t s ，m a dg e t sg o o d r e s u l t s t h ef i r s tp r o b l e ma n a l y z e di ss e 印a g ep i p i n gi ne m b a n k m e n t ，t h ea r t i f i c i a li n t e l l i g e n t m o d e lo fp r e d i c t i o na n di u d g m e n tf o rp i p i n gi sp r o p o s e d am e c h a n i c sm o d e lh a sb e e n p r e s e n t e dt op r e d i c ta n dj u d g et h ep o s s i b i l i t yo fp i p i n go c c u r r i n gb a s e do nt h ea n a l y s i so f p r o c e s so fp i p i n go c c u r r i n ga n dt h ef a c t o r sa f f e c t i n go nt h eo c c u r r i n go fp i p i n g as e to f f a c t o r sw h i c hh a v es i g n i f i c a n te f f e c t so nt h eo c c u r r i n go fp i p i n ga sw e l la sm o r ee a s i l yt o b eo b s e r v e da n dm e a s u r e dh a v eb e e ns e l e c t e da st h ei n d u to fa r t i f i c i a ln e u r a ln e t w o r kb y t h ed e v e l o p e dm e c h a n i s mm o d e l ，a n dt h em a p p i n gr e l a t i o nh a se s t a b l i s h e db e t w e e nt h e f a c t o r sa f f e c t i n go nt h eo c c u r r i n go fp i p i n ga n dt h ei n d e xo fo c c u r r i n go fp i p i n g t h e d e v e l o p e da r t i f i c i a ln e u r a ln e t w o r ko fp i p i n gh a sb e e nt r a i n e da n dp r e d i c t e db vt 1 1 e c o l l e c t e dd a t aa n dt h ep r e c i s i o no fp r e d i c t e dr e s u l t si sh i g h ，w h i c hp r o v e st h a ta r t i f i c i a l n e u r a ln e t w o r ki sa ne f f e c t i v em e t h o dt op r e d i c ta n di u d g et h eo c c u r r i n go fp i p i n g b a s e d o nt h eu n c e r t a i n t ya n df u z z yc h a r a c t e r i s t i co fo c c u r r i n go fp i p i n g ，f u z z yn e u r a ln e t w o r ko f d i p i n gi sp r o p o s e df u r t h e r t l l es a m ec o l l e c t e dd a t ai su s e dt ot r a i na n dp r e d i c tt h em o d e l a n dg e t sg o o dr e s u l t s w h i c hp r o v e sf u z z ya r t i f i c i a ln e t w o r ki sa l s oa ne f f e c t i v em e t h o dt o p r e d i c ta n dj u d g et h eo c c u r r i n go f p i p i n g t h es e c o n dp r o b l e ma n a l y z e di ss e i s m i cr e l i a b i l i t yo fc o n c r e t ed a m ，t h ea r t i f i c i a l n e u r a ln e t w o r km o d e lo fs e i s m i cr e l i a b i l i t yo fc o n c r e t eg r a v i t yd a ma n dc o n c r e t ea r c hd a m i sp r o p o s e d i nt h ea n a l y s i so fs e i s m i cr e l i a b i l i t vo fc o n c r e t ed a m ，t h em o s tp e r f o r m a n c e f u n c t i o n sc a n tg i v eav i s i b l ea n a l y t i c a le x p r e s s i o na n dt h em o s tu s e dm e t h o di sg e o m e t r i c m e t h o d b e c a u s eo fh y p o t h e s i sa n da p p r o x i m a t ei nt h eg e o m e t r i cm e t h o d i ti sn o ta m a t u r i t ym e t h o da n dv e r yc o m p l e xe v e nh a r di nt h et a c k l i n gt h en o n l i n e a rp r o b l e m t h e a r t i f i c i a ln e u r a ln e t w o r kh a sb e e nu s e dt oe s t a b l i s ht h em a p p i n gr e l a t i o nb e t w e e nt h e s e i s m i cr e l i a b i l i t yo fc o n c r e t ed a ma n dt h ef a c t o r sa f f e c t e do nw h i c h t h ec o l l e c t e dd a t a h a sb e e nu s e dt ot r a i na n dt e s tt h ea r t i f i c i a ln e u r a ln e t w o r km o d e l t h eo u t p u tr e s u l ti s g o o d 。w h i c hp r o v e st h em a pa b i l i 坤o fa r t i f i c i a ln e u r a ln e t w o r ka n dt h ep r e d i c t i o no f s e i s m i cr e l i a b i l i t yo f c o n c r e t ed a mi sf e a s i b l e t h e 1 i r dp r o b l e ma n a l y z e di ss a f e t ye v a l u a t i o no fe m b a n k m e n ts l o p es t a b i l i t y , t h e g e n e t i ca l g o r i t h r ni su s e dt of i n dt h em i n i m u ms a f e t yf a c t o rc o u p l e dw i mt h em i n i m u m r e l i a b i l i t yi n d e x as a f e t yr e l i a b i l i t ye v a l u a t i o nm e t h o df u re m b a n k m e n ts l o p es t a b i l i t y u n d e rr a n d o ms t o r mw a v ea c t i o n sa n de r o s i o n d a m a g ee f f e c t si sp r o p o s e d 山eg e n e t i c a l g o r i t h mh a sb e e nu s e da st h em o d e mo p t i m i z a t i o nt e c h n i q u ea p p l i e dt ot h em i n i m i z a t i o n o ft h er e l i a b i l i t yi n d e xa n dt h es a f e t yf a c t o ro fe m b a n k m e n ts l o p es t a b i l i t y t h er e s u l t s o b t a i n e db vt h eg e n e t i ca l g o r i t h ma r ec o m p a r e d 晰mm a to b t a i n e db yt h eg e n e r a l o p t i m i z a t i o nm e t h o d ，a n dt h eo u t p u ts h o w st h a tt h er e s u l t sf r o mt h eg e n e t i ca l g o r i t h ma r e s t a b l ea n di n d e p e n d e n to f 也ei h i t i a lv a l u e w h i c hp r o v e st h eg e n e t i ca l g o r i t h mm e t h o d m o r ee x c e l l e n tt l l a nt l l eg e n e r a lo p t i m i z a t i o nm e t h o d k e yw o r d s ：a r t i f i c i a li n t e l l i g e n t ；a r t i f i c i a ln e u r a ln e t w o r k ；f u z z yn e u r a ln e t w o r k ；g e n e t i c a l g o r i t h m ；e m b a n k m e ms e e p a g ep i p i n g ；c o n c r e t eg r a y i t yd a m ；c o n c r e t ea r c hd a m ；s e i s m i c r e l i a b i l i t y ；s l o p es t a b i l i t y ；s a f e t yp e r f o r m a n c ef u n c t i o n ；s t o r m w a v e a c t i o n ； e r o s i o n - d a m a g e 人t 智能技术在犬坝安全分析中的j 避用第1 章绪论 第1 章绪论 1 1 堤坝安全性研究现状 我国水利资源丰富，人江、大河较多，人工修建的水库也很多。但是降雨极不均匀，在每年 的洪水期间，特别是遇到高洪水水位时，堤坝容易发生管涌、散浸、塌陷和滑坡等险情，另外有 许多水库大坝修建在地震区。洪水和地震会严重威胁着堤坝的安全运行，威胁着国家和人民的生 命财产安全。 科学技术发展到今天，人们还不能驾驭洪水、浪潮和地震，无法杜绝自然灾害的破坏，做不 到确保大坝的绝对安全。对大坝事故的反馈分析表明，大多数事故与设计阶段的失误、施工阶段 留下的隐患和运行管理中的差错等因素有关”“。 堤坝安全直接关系到下游人民生命财产的安全，其工作性态的安全监测是及时发现大坝安全 隐患的有效手段和途径。堤坝的监测越来越受到人们的重视，能够及时、准确的提供堤坝的安全 信息，了解堤坝的运行状态，为保护堤坝提供有效的科学依据。世界各国对人坝安全监测项目的 认识是较为一致的，其中混凝土大坝的监测项目通常为渗漏量、扬压力、变形、应力和应变【j “。 目前我国堤坝险情的发现基本上是以人工巡查为主，半自动探测为辅，堤坝安全监测自动化尚处 于可行性研究和小范围试验阶段【l “。 在大坝安全分析中，监测对大坝安全的意义可简明地概括为：监测是基础，分析是手段，预 报是目的。监测涉及到许多新技术的应用，分析与预报则涉及到多学科交叉的许多方法和理论。 在获取一定的安全监测信息之后，如何运用有效的数学方法和物理模型对之进行分析和处理，以 便及时地发现大坝安全隐患以及采取合理有效的补救预防措施，是目前大坝安全监控后处理的主 要工作之一。张正禄等”“叫针对大坝变形，将分析与预报方法进行了归纳： 1 回归分析法 取变形( 称效应量，如各种位移值) 为因变量，环境量( 称影响因子，如水压、温度等) 为 自变量，根据数理统计理论建立多元线性回归模型，用逐步回归法可得到效应量与环境量之间的 函数模型，用这种方法可做变形的物理解释和变形预报。 2 时间序列分析法 大坝变形观测中，在测点上的许多效应量如用垂线坐标仪、引张线仪、真空激光准直系统、 液体静力水准测量所获取的观测量都组成一个离散的随机时间序列，因此，可以采用时间序列分 析理论与方法，建立p 阶自回归g 阶滑动平均模型a r m a ( p ，曲。 3 频谱分析法 对于具有周期性变化的变形时间序列( 犬坝的水平位移一般都具有周期性) ，可采用付立叶 ( f o u r i e r ) 变换将时域信息转到频域进行分析，通过计算各谐波频率的振幅，找出最大振幅所对 应的主频，可揭示变形的变化周期。若将测点的变形作为输出，与测点有关的环境量作为输入， 通过对相干函数、频率响应函数和响应谱函数进行估计，可以分析输入输出之间的相关性，进行 变形的物理解释，确定输入的贡献和影响变形的主要因子。 4 卡尔曼滤波法 将变形体视为一个动态系统，系统的状态可用卡尔曼滤波模型即状态方程和观测方程描述， 状态方程中若含监测点的位置、速率和加速率等状态向量参数，则为典型的运动模型。这种模型 特别适合滑坡监测数据的动态处理，也可用于静态点场、似静态点场( 如变形监测网) 在各周期 观测中显著性变形点的检验识别。 5 有限元法 有限元法是一种采用确定函数模型直接求解变形的具有先验性质的方法，属于确定函数法， 它不需要做任何变形监测。将混凝士大坝按一定规则划分为很多计算单元，根据材料的物理力学 参数( 如弹性模量、泊松比、内摩擦角、内聚力以及容重等) ，建立荷载与变形之间的函数关系， 在边界条件下，通过解算有限元微分方程，可得到有限元结点上的变形。计算的变形值与单元划 分、函数模型和物理力学参数选取有关，假设性较火，同时。未考虑外界因子的随机影响，因此， 浙江大学预t 学位论文 用该法所计算的变形仅作参考。 6 人1 ：神经网络方法 大坝变形与影响网子之间是一种非线性、非确定性的复杂关系，模糊人t 神经网络法将生物 特征州到工程中，州计算机解决人数据量情况下的学习、识别、控制雨1 预报等问题，是新近发展 起来的一种行之有效的方法，对于具有大量监测资料的大坝安全分析与预报尤其适合。 7 小波分析法 小波变换能够从时频域的局部信号中有效地提取信息。将小波的多分辨分析和人工神经网络 的学习逼近能力相结合，建立小波神经网络组合预报模型，可用于线性和非线性系统的变形预报。 8 系统论方法 变形体是一个复杂的系统，是一个多维、多层的灰箱或黑箱结构，具有非线性、耗散性、随 机性、外界干扰不确定性、对初始状态敏感性和长期行为混沌性等特点。系统论方法包括两种建 模方法，一种是输入一输山模型法，前述的回归分析法、时间序列分析法、卡尔曼滤波法和人工 神经网络法都属于输入一输出模型法。另一种是动力学方程法，该法与有限元法中的确定函数法 相似，系根据系统运动的物理规律建立确定的微分方程米描述系统的运动。但对动力学方程不是 通过有限元法求解，而是在对系统受力和变形认识的基础上，月j 低阶、简化的在数学上可求解和 可分析的模型来模拟变形过程。系统论方法涉及到许多非线性科学学科的知识，如系统论、控制 论、信息论、突变论、协同论、分形、混沌理论、耗散结构等。目前将系统论方法与变形分析与 预报相结合的研究只是初步的。 1 2 本文研究背景和意义 堤坝是一个复杂的工程，大坝工作条件复杂，影响因素繁多，且其工作性态会随时间、环境 量等因素的改变而改变。人坝系统是一个不确定性系统，在人坝安全监控中存在着人量的不确定 性信息，主要表现在随机性、模糊性、灰性利未确知性【l “。 1 随机性 在数据采集过程中，由于观测人员、仪器殴备以及外界环境条件的影响，采集样本不可避免 地含有误差，这种误差通常表现出一定的随机性。在大样本的数据分析、统计和安全监控模型的 建立中，观测数据常表现山定的统计规律，传统的建模原理就是在此基础上进行的。采t = j 回归 分析或逐步同归分析的方法，假设残差服从正态分布，由此建立大坝安全监控的统计模型。这也 是目前大坝安全监控中应用得最多的监控模型。此外，还有确定性( 结构计算) 和不确定性( 统计 分析) 相结合的混合模型等。 2 模糊性 模糊性也“泛存在于大坝安全监控的信息中。如大封 安全监控的日常评判准则中提到的“过 火变形”就是模糊概念。实际上很多定性的观测和描述成果、结论评价都具有明显的模糊性。另 一方面，模糊性还表现在各效应量和环境量、结构性态的关系上。尽管原型观测资料真实地反映 了建筑物各观测物理量的实际情况，但是它们之间的关系是极为复杂的，往往很难用物理力学方 法和先进的数值计算方法米确定，即它们之间是一种模糊关系。 3 灰性 大坝是一个复杂的灰色系统，其结构性态、变形状况、各种力学参数等都是难以确定的，且 具有明显的灰性。影响人坝变形行为的冈素也是极其复杂的，其中弹性部分主要受水压、温度等 因素的影响，而其中随时间变化的时效部分除了受混凝土、基岩的徐变及坝基的裂隙、节理等已 知因素的影响外，还受混凝土老化和施工质量等许多未知因素的影响，由此可见，大坝的变形是 灰色的。 另一方面，由丁既不完全明了有哪些因素作用丁坝体，也不准确明了它们的作用方式，因而 采用不适当的系统描述而使模型与原型产生了质的偏差等，它们均表现为系统结构或参数关系的 可变与非惟一性以及模型的不适应性。从灰色系统的观点看，可以把这种不确定性归因于系统的 灰结构和灰参数。实际上，可以将整个大坝系统看成一个“灰箱”，其行为方式便是在一定的灰 输入作用下所产生的灰输出。 4 未确知性 未确知性介于随机性和灰性之间。实际上，大坝安全监控中的许多信息既不完全具有随机性， 4 人工智能技术在大坝安全分析中的应用第1 章绪论 也不完全具有灰性。比如，对某一监测量而言，根据大坝的物理性态和结构模型，我们能够人概 估计出其数值范围( 灰性) 及其分布形式( 随机性) ，但又不能完全确定其分布形式，其总可信度小 于1 ( 未确知性) 。 由于人坝系统存在着种种不确定性，使得以精确的数学模型进行描述具有很大的困难，往往 难以实现。而且大坝安全监控具有“小样本，贫信息”的特点，根据概率论中的大数定律和中心 极限定理，统计模型的建立只有在大样本的条件下才具有普遍意义，这给统计模型的建立及预报 带也带来一定困难。 近十年来，包括人工神经网络在内的一个新学科出现并显示出强劲的生命力，这就是计算智 能c i ( c o m p u t a t i o n a li n t e l l i g e n c e ) 或称为软计算( s o f tc o m p u t a t i o n ) 。它包含以下三个相互独立又相 互紧密结合与渗透的子学科： ( 1 ) 人工神经网络a n n 似r t i f i c i a ln e u r a ln e t w o r k ) ； ( 2 ) 模糊推理系统f i s ( f u z z yi n f e r e n c es y s t e m ) ； ( 3 ) 进化算法e a ( e v o l u t i o n a r y a l g o r i t h m ) 。其中包括遗传算法g a ( g e n e t i c a l g o r i t h m ) ，进化 计算e c ( e v o l u t i o n a r yc o m p u t a t i o n ) 和进化程序e p ( e v o l u t i o n a r yp r o g r a m ) 等大致相同而略有差异的 算法。 人工神经网络和模糊推理系统都是模拟人类大脑处理信息的方式建立的，具有很强的非线性 函数映射能力，且具有很好的鲁棒性。对不确定信息的处理不需要完备的数学物理模型。a n n 具有分布式存储信息、自适应、并行性和联想记忆功能。f i s 采用模糊集，给予语言一种近似人 类思维的数学表示，并用模糊逻辑进行推理。f i s 在表示人类知识和认识方面有很强的能力，但 是缺乏学习能力。反之，a n n 有很强的学习能力却很难纳入人类知识。因此二者结合所构成的 模糊神经网络n , n q ( f u z z yn e u r a ln e t w o r k ) 具有明显的优势。遗传算法是模拟人类进化优胜劣汰建 立的一种优化算法，它理论上具有全局寻优的能力，而且不依赖于初值特别适于处理复杂的寻优 问题，在解决许多过去经典优化算法难以解决的高难度、复杂优化问题时，e a 已表现出许多独 特的优势，如旅行商( t s p ) 问题。人工神经网络和模糊推理系统本身都有待定参数需要学习， 这也是一个高难度、复杂的优化问题，将e a 用于a n n 和f i s 的学习显然是一个十分理想的方 案，采用e a 不但能进行参数学习，而且可以进行网络拓扑结构学习，甚至可以进行学习规则的 学习。 计算智能技术以其强大的非线性映射能力、处理不确定信息的能力以及不依赖于初值的寻优 能力在土木_ 丁程许多领域获得应用1 1 “。”j ，如结构优化和损伤监测、水资源预报和优化调度、环 境污染和监测、结构材料及本构关系、桩基承载力、基础沉降、环境岩土工程问题、边坡稳定问 题、地震灾害预测等等。计算智能技术在大坝安全分析中目前也有一些学者进行了有益的探索。 吴中如等 1 1 5 - 1 1 6 综述了河海大学2 0 多年来在大坝安全综合分析和评价方面取得的成果，详 细介绍了在数学监控模型、反分析、拟定变形监控指标以及大坝安全综合评价专家系统四个方面 的研究成果，其中在监测模型中除了对统计模型、回归模型和确定性模型进行了研究，也探索了 时间序列、模糊数学和灰色系统理论等在处理观测资料中的运用，并建立了相应的预测模型。 蔡金宝等1 11 ”在对北京官厅水库大坝安全监测数据进行安全分析评价中，运用了逐步回归方 法和人工神经网络方法。作者根据专家的经验及相关的专业研究文献，给出了一个可选回归因子 表，一般影响因子不会超出该表统计的范围，然后通过逐步回归法建立最优的回归方程，即：将 所选因子一个个的引入，引入的条件是该因子的偏回归平方和在没有进入方程的其余因子中为最 大，且是显著的。同时，每引入一个新的因子后，在新的方程的基础上，再在已进入方程的因子 中找出一个偏回归平方和最小的作f 检验，如果不显著则将其剔除，直到没有因子可以引入为止。 作者还运用了b p 人工神经网络建立了测压管测值影响因素和测压管水位之间的映射关系，结果 表明b p 神经网络模型的模拟精度明显优于统计模型，而且鲁棒性好。 姜树海i h a l 认为大坝的防洪安全受诸多不确定性因素的影响，可主要可归纳为：水文、水力 等随机不确定性和工程、管理等模糊不确定性。只有综合考察这些不确定性因素的作用，才能正 确理解大坝的抗洪潜力，定量确定漫坝失事率。作者在考虑大坝防洪系统随机不确定性和模糊不 确定性的基础上，建立了漫坝失事的随机模糊风险模型，通过这一模型能较为合理地描述大坝的 防洪能力，定量给出漫坝失事的风险率。 苏怀智等【1 ”1 分析了人工智能技术在大坝安全监控中的应用。作者分别对数据开采技术、专 家系统和人工神经网络技术进行了讨论。数据采掘( d a t am i n i n g ) 技术可以提取给定数据库中蕴 含的知识，它对知识的推理即形成智能模型，以定性分析方式辅助决策。它的引入可解决人坝监 浙江人学坝上学位论文 控数据量大，知识面广，从而带来分析问题速度慢的缺点。专家系统将专家知识编码成计算机能 够识别的语言，将专家的经验和思维转化成先进合理的推理策略，为大坝安全评价提供专家级的 技术支持。人丁：神经网络技术独特的结构和处理信息的方法，对解决火坝安全监控专家系统的“瓶 颁”问题是一个很好的方法。 苏怀智等”“利徐洪钟等”运_ i ； 模糊神经网络建立了坝顶水平位移与水位、温度和时效之间 的函数关系，并运剧遗传算法优化模糊神经网络的参数，对一个具体的混凝土重力坝进行了实例 计算，并与统计回归模型进行了精度比较，比较结果显示模糊神经网络预报模型的统计量指标明 显优于统计模型。徐洪钟等 12 2 1 运用白适应模糊神经网络建立了坝顶水平位移与水位、温度和时 效之间的函数关系，对一个具体的混凝土重力坝进行了实例计算，爿+ 与统计回归模型进行了精度 比较，比较结果显示白适应模糊神经网络预报模型的预报精度优丁常规统计同归模型。徐洪钟等 “”1 将混沌理论年“神经网络理论相结合，并针对某一混凝土重力坝水平位移实测值建立相空间模 糊神经网络预报模型。作者首先对水平位移的实测序列进行相空间重构，求算关联维，说明该序 列存在混沌成分和奇异吸引子。应用白适应模糊神经网络，对水平位移实测序列构成的相点，建 立相空间神经网络模型。计算结果表明，相空间神经网络模型用于大坝监控中是可行的，其预报 精度优于常规的统计回归模型，能揭示人坝的非线性性质，能更好地对大坝运行性态进行分析。 苏怀智等l l 圳应用遗传算法优化人坝安全监控预报模型的前馈神经网络的结构和权值，该方法在 满足一定约束条件r ，能同时有效地寻找合适的网络结构和相应的参数( 神经网络的权值和阈 值) ，且在精度和速度上都有较大的提高，为实现实时在线分析评价人坝的安全性态提供了有力 的技术支持。 由于人坝安全性研究涉及到诸多方面，本文无力穷尽，这里选择了比较典型的堤坝安全性问 题且目前研究较少的堤坝管涌、堤坝抗震可靠度和风浪作用下防护堤坝边坡稳定问题进行了人t 智能探索性研究，希望能够在解决这些问题的确定性数学模型之外获得一种新的解决方法。本文 的研究结果表明人工智能技术在解决堤坝管涌、堤坝抗震可靠度和堤坝边坡稳定问题上是可行 的，可以作为确定性数学模型的有益补充，两者相互补充，促进对问题的完善解决。 1 3 本文的主要工作 本文将人工智能技术中的人工神经网络、模糊神经网络和遗传算法应用到堤坝管涌预测和判 定、堤坝抗震可靠度预测和风浪作用下防护堤坝边坡稳定的预测和判定中，分别取得不错的结果。 1 堤坝管涌的人工智能预测判定 这里用到了人工神经网络和模糊神经网络。针对管涌问题的复杂非线性和模糊不确定特征， 在定量和定性分析管涌发生机理的基础上，建立了一种判定管涌发生可能性的机理模型，根据机 理模型从影响管涌发生的诸多复杂囡素中选择出既便丁测量、观测又对管涌发生影响显著的9 种 因素作为人工神经网络管涌模型系统和模糊神经网络管涌模型系统的输入，将管涌发生的预测指 标作为系统的输出，建立了影响管涌发生的因素和管涌之间的非线性函数映射关系，用收集到的 堤坝管涌数据样本训练和测试人t 神经网络管涌模型和模糊神经网络管涌模型，预测结果表明堤 坝管涌的人t 智能预测判定是可行的。 2 堤蜘 抗震可靠度的人工智能预测 可靠性分析中人多数的功能函数不一定能显式给出，目前一般采用的是几何法求解，几何法 是一种迭代近似的方法，对非线性问题求解繁琐甚至困难。文中在对混凝+ 大坝抗震可靠度分析 中，应用人工神经网络建立了混凝土重力坝和混凝土拱坝在7 、8 、9 震级下抗震可靠度的预测模 型，分别对抗滑稳定可靠度、抗压强度可靠度和抗拉强度可靠度进行预测。并将神经网络技术和 遗传算法相结合，讨论了神经网络技术和响应面的结构可靠性分析方法相结合的人丁智能算法。 通过收集到的2 2 个混凝土重力坝和9 个混凝土拱坝的数据进行训练和预测，得到比较满意的结 果，证明人工神经网络预测人坝抗震可靠度是可行的。 3 在风浪作用下防护堤坝边坡稳定的人工智能预测和判定 首先对受到随机风浪作用的防护堤坝边坡稳定性问题进行安全可靠性评估的建模，模型包含 了随机风浪因素、随机材料属性和随机几何条件对防护堤坝边坡的安全性能函数的影响。将风浪 对堤坝的作用分为潮位、浪高增加的静态影响和波浪对堤岸的冲击、冲刷的动态作用。采用潮位、 浪高的统计序列模拟和对波浪能量冲击的分析，提出了一种对波浪冲击、破碎、耗散和冲刷作用 6 人工智能技术存大坝蜜全分析中的应用第1 章绪论 计算的模型。引入了防护堤坝材料长期受渗流孔隙水的侵蚀会影响土体的有效抗剪强度c + ，矿的 观念，通过修正在侵蚀一损伤及孔隙水压影响f 的m o h r - c o u l o m b 准则，建立了确定堤坝介质孔隙 侵蚀损伤状态的有效抗剪强度演化方程。 传统的优化算法在寻优时需要i t 标函数及其导数具有良好的连续性，而且通常对初始值有很 大的依赖性。本文采用同一遗传算法解决了在求解堤坝边坡的抗滑安全可靠性问题时需要进行两次 不同目标函数和约束条件的嵌套谁线性耦合寻优过程的困难。该方法避免了对目标函数和约束条件 有强的连续可微性的要求，并且解对初始条件的选取的依赖性较弱，得到的解为全局最优解。文中 将遗传算法与传统优化算法的优化结果进行了比较，比较结果显示了遗传算法的优越性。文中将 遗传算法与可靠性概率算法相结合，对复杂结构的安全优化问题进行可靠性评估归结为一种人上 智能算法。 论文的结构是这样安排的：第一章( 本章) 为绪论，接着的三章( 第二、三、四章) 分别介 绍了人工神经网络、模糊神经网络和遗传算法的基础，第五章讨论了堤坝管涌问题的人工智能算 法，第六章讨论了堤坝抗震可靠度问题的人工智能算法，第七章讨论了堤坝边坡稳定性安全评估 问题的人工智能算法，最后一章为全文总结。 【1 1 】 【1 2 】 【1 3 】 【1 4 f 1 5 【1 6 】 【1 7 】 【1 8 】 【1 9 】 1 1 0 l 1 1 l 】 1 1 2 】 【i 1 3 】 1 1 4 】 参考文献 刑林生我国水电站人坝事故分析与安全对策水利水电科技进展，2 0 0 1 ，2 1 ( 4 ) ：2 6 3 2 + 6 9 7 0 庸寿同犬坝安全问题分析大坝与安全，1 9 9 5 ，1 ：1 - 7 徐国龙，孙林样堤坝的安全监测及自动化探讨水电自动化与大坝监测，2 0 0 3 ，2 7 ( 1 】：3 8 4 0 张正禄，张松林，黄全义，土瀛勇大坝安全监测、分析与预报的发展综述大坝与安全，2 0 0 2 ，5 ：1 3 1 6 h a r t f o r dd s a f e t yp e r s p e c t i v e s i n t e r n a t i o n a lw a t e rp o w e ra n dd a mc o n s t r u o t i o n1 9 9 l4 9 ( 2 ) ：2 9 - 3 0 m y e n a ro z k a n ar e v i e wo fc o n s i d e r a t i o n so f fs e i s m i cs a f e t yo fe m b a n k m e m sa n de a r t ha n dm c k - n ud a m s s o i ld y n a m i c sa n de a r t h q u a k ee n g i n e e r i n g ，1 9 9 8 ，1 7 ：4 3 9 - 4 5 8 张乾飞，王锦国李雪红大坝安全监控中的不确定性信息初探河海大学学报( 自然科学版) ，2 0 0 2 ， 3 0 ( 5 ) ：1 1 3 - 1 1 7 姜绍飞基于神经网络的结构优化与损伤检测北京：科学出版杜，2 0 0 2 冯夏庭智能岩石力学导论北京：科学出版社，2 0 0 0 苑希民，李鸿雁，刘树坤，替广涛神经网络和遗传算法在水科学领域的虑用北京：中固水利水电出版 社，2 0 0 2 姜绍飞，钟善桐神经网络在结构工程中的应用哈尔滨建筑大学学报，1 9 9 8 3 l ( 6 ) ：1 2 9 - 1 3 4 高浪，谢康和人工神经网络在岩土工程中的应用土木工程学报，2 0 0 2 ，3 5 ( 4 ) ：7 7 - 8 0 m o h a m e das h a h i n ，m a r kb j a k s aa n dh o l g e rr m a i n r a r t i f i c i a ln e u r a ln e t w o r ka p p l i c a t i o n si ng e o t e e h n i c a l e n g i n e e n n g a u s t r a l i a ng e o m e e h a n i c s ，2 0 0 1 ，3 ：4 9 - 6 2 s r a j a s e k a r a n ，m ef e b i na n dj v r a m a s a m y a r t i f i c i a lf u z z yn e u r a ln e t w o r k si n c i v i le 1 1 9 i n e e r i n g , c o m p u t e r s s t r u c t l l l e ，1 9 9 6 6 1 ( 2 ) ：2 9 1 - 3 0 2 吴中如，顾冲时，沈振中，赵斌等大坝安全综合分析和评价的理论、方法及其心用水利水电科技进展， 1 9 9 8 ，1 8 ( 3 ) ：2 - 6 + 6 5 w uz h o n g r u ，e ta 1 c a u s ea n a l y s i sd a ms a f e t ya s s e s s m e n t d a me n g i n e e r i n g ，1 9 9 4 ，5 ( 1 ) 蔡金宝，李运来，王晓东大坝安全分析评价方法研究一以官厅水库火坝为例北京水利，2 0 0 1 ，6 ： l l - 1 2 + 1 9 + 4 6 姜树海大坝防洪安全的评估和校核水利学报，1 9 9 8 ，1 ：1 8 2 4 苏怀智，顾冲时，吴中如综论人工智能技术在太坝安全监控中的应用大坝观测与土工测试，2 0 0 0 ，2 4 ( 3 ) ： 7 - 9 苏怀智，吴中如，温志萍，顾冲时基于模糊神经网络和遗传算法的大坝安全监控模型大坝观测与土工 测试，2 0 0 1 ，2 5 ( 1 ) ：1 0 - 1 2 + 2 2 徐洪钟，单泰松，吴中如大坝观测数据的模糊神经网络分析大坝观测与土_ 亡测试，2 0 0 1 ，2 5 ( 3 ) ：1 7 - 1 8 + 2 2 徐洪钟，胡群革，吴中如自适应模糊神经网络在大坝安全监控中的应用河海大学学撒( 自然科学版) ， 2 0 0 1 ，2 9 ( 2 1 ：8 - 1 0 徐洪钟，吴中如，李雪红相空间神经网络模型在大坝安全监控中的应用水利学报，2 0 0 1 ，6 ：6 7 - 7 1 苏怀智，吴中如，温志萍，沈振中遗传算法在大坝安全监控神经网络预报模型建立中的应用水利学报， 2 0 0 l ，8 ：4 4 4 8 7 ” = 宝 埔伸 如 甜鸵 “ 人工智能技术在大坝安全分析中的应用第2 章人t 神经网络技术幕础 第2 章人工神经网络技术基础附 2 5 】 2 1 人工神经元模型 人工神经元是人工神经网络的基本处理单元 细篡鞭一 它是对生物神经元的简单模拟。生物神经元是 脑组织的基本单元，人体内神经元的结构形 式有多种，其间的差别也很大，图2 1 的上 部分是它们所具有的一些共同形式。神经元 体主要由三部分组成：细胞体、树突和轴突。 树突是细胞的输入端，通过细胞体问联结的 节点“突触”接受四周细胞传出的神经冲动； 轴突相当于细胞的输出端，其端部的众多神 经末梢为信号的输出端子，用于传出神经冲 动。生物神经元具有兴奋和抑制两种工作状态：当传入的神经冲动，使细胞膜电位升高到阕值( 约 4 0 m v ) 时，细胞膜即进入兴奋状态，产生神经冲动，由轴突进行输出；相反，若传入的神经冲 动使细胞膜电位下降到低于阈值时，细胞膜即进入抑制状态，没有神经冲动输出。 人工神经元模型作为对生物神经元的模拟，具有图2 2 的结构，它具有三个基本因素： 蕃 糖出 以 连接投 图22 人工神经元模型 ( 1 ) 一组连接，连接强度由各连接上的权值表示，权值为正表示激活，为负表示抑制。 ( 2 ) 一个求和单元，用于求取各输入信号的加权和( 线性组合) 。 ( 3 ) 一个非线性激活函数，起非线性映射作用并把神经元输出幅度限制在一定范围内( 一般 在( 0 ，1 ) 或( 一1 ，+ 1 ) 之间) 。 此外还有一个闽值啡( 或偏置钆= 一o k ) 。 以上作用可以分别用数学式表达出来： 上 u k = c o a x ， v = n e t k = 叱一以，y k2 p ( u ) ( 2 一1 ) j =