基于基因表达式编程方法的大坝动态变形智能预测模型研究

In order to ensure the normal operation of the dam, it is necessary to monitor the dam, analyze the quality of the monitoring data and the deformation regulation, explore the influence factors by inversion and study the effective Predicting Model, but the current forecasting models have defects. However, the Gene Expression Programming is a new self-adaptive evolution algorithm that has strong ability of identifying functions and high efficiency of data mining. It can preprocess the data of the dam deformation according to the characteristics of the dam and dig out the deformation factors with the help of GEP's functions; In view of the defects of single surveying point model , it puts forward deformation strength; And make spatial clustering of deformation strength by using GEP clustering algorithm, so as to express the integral space deformation relationship of surveying points; With the objective function established base on the calculated value of the dam deformation finite element numerical and the original observation data to research the inversion problem of physical and mechanical parameters optimization for dam and batholith, then ascertain the dam deformation monitoring index; make processing of the automatic modeling numerical constants of dam deformation; and design the intelligent forecasting model fitness function of dam dynamic deformation and selection strategy; establish the intelligent forecasting model of dam dynamic deformation; design and develop the intelligent forecasting prototype system based on the GEP, and thus improve the dam deformation prediction theory and application system, and provide the bases of decision for the deformation forecast of deformable objects like dam, slope, buildings, bridges, etc.

为了保证大坝的正常运营，必须对大坝进行监测，分析监测数据质量及变形规律，反演探讨影响因素，研究有效预测模型，但目前的预测模型有缺陷。而基因表达式编程（GEP）是新型自适应演化算法，有极强的函数发现能力和很高的数据挖掘效率。根据大坝的特点，对大坝变形数据进行预处理；利用GEP的功能，挖掘出变形影响因素；针对单测点模型缺点，提出变形强度，利用GEP聚类算法进行变形强度的空间聚类，从而体现多测点的整体空间形变关系；基于大坝位移有限元数值计算值和原始观测值所建立的目标函数,研究大坝及岩基物理力学参数优化反演问题，确定大坝变形监控指标；进行大坝变形自动建模数值常量处理；设计大坝动态变形预测智能模型适应度函数和选择策略；建立大坝动态变形智能预测模型；设计与开发基于GEP的大坝动态变形智能预测原型系统，从而完善大坝变形预测的理论与应用体系，为大坝、边坡、建筑物、桥梁等变形体的变形预测提供决策依据。

在电站修建、矿山开采及其它水利工程的建设过程中形成的大坝在国民经济建设中发挥了巨大作用，研究有效的预测模型掌握大坝动态变形移动规律和趋势可以确保大坝工程的安全运行。本课题一是研究大坝变形监测原始数据的预处理过程，提出了大坝变形监测数据降噪、标准化和插补方法，以此获得符合要求的精确数据；二是从环境影响因子和变形时间序列分别对大坝的变形预测进行研究，同时确定大坝变形监控指标；三是针对根据大坝变形数据自身的特点，研究设计符合大坝动态变形特点的适应度函数来提高大坝变形模型的预测精度；四是针对数值常量直接影响大坝动态变形模型的精度，提出了适合大坝动态变形智能预测模型的数值常量优化方法；五是针对传统GEP在大坝动态变形预测中存在的不足，提出了改进的GEP来构建大坝动态变形的模型；六是基于提出的大坝动态变形智能预测理论和方法，开发与实现原型系统，验证提出方法的可靠性和适应性，并利用评价模型自动地挑选出最佳预测模型。从而完善变形预测的理论与应用体系，为大坝、边坡、建筑物、桥梁等变形体的变形预测提供决策依据。.课题完成了项目申报书的所有研究内容，研究成果超额完成了预期目标，课题研究成果先后发表了19篇论文，其中6篇被三大检索收录，13篇在核心以上刊物上发表；获批计算机软件著作权20个，获批实用新型专利1项，申报发明专利8项，其中已获批发明专利2项；待出版专著1本；培养了14名硕士研究生；获市厅级科技奖励3项。