基于卷积神经网络的大坝位移预测模型对比研究_沈忱.pdf

收稿日期：；修回日期：基金项目：安徽省高校自然科学研究重点项目（）作者简介：沈忱（），男，安徽怀远人，工程师，主要从事土木工程及水利工程设计工作。第 卷第期安徽水利水电职业技术学院学报 年月 基于卷积神经网络的大坝位移预测模型对比研究沈忱，周娟（安徽水安建设集团股份有限公司，安徽 合肥 ；安徽水利水电职业技术学院，安徽 合肥 ）摘要：针对当前大坝位移预测研究中对大坝变形影响因子考虑欠缺的问题，将卷积神经网络与典型机器学习算法相融合对大坝位移进行预测。结合某大坝 年月日至 年月日的监测数据进行研究，并将大坝位移预测值与经典随机森林预测结果、支持向量机预测结果进行比较，结果表明融合卷积神经网络后的模型比单一模型具有更高的预测精度和更小的预测误差，模型预测性能更好。关键词：大坝变形；位移预测；卷积神经网络 ：中图分类号：文献标识码：文章编号：（），（，；，）：，：；提前掌握大坝位移情况是判断大坝运行状况的关键，大坝位移预测成为当下研究的热潮。常规的基于逐步分析法的回归方程、基于有限元的回归模型、混合回归模型、多项式回归模型等受到各方面因素的制约，研究过程存在不同程度的缺陷。于是研究者们将研究领域转向了基于人工神经网络、突变理论、模糊理论、机器学习等在内的新型模型。新型模型在很大程度上解决了常规模型的缺陷，这些模型虽然都属于非线性模型，但是对众多影响因子间的特征与坝体位移间的关系研究仍显不够。考虑到卷积神经网络（，）是通过对输入层信息进行卷积、池化等步骤提取输入数据特征的，无需经过机器学习特征抽取流程，能够有效确保特征抽取的可靠性。鉴于此，以人工智能中的机器学习模型为例，融合深度学习算法中常用的卷积神经网络对大坝位移进行预测。卷积神经网络首个 结构是由 提出的，本质上讲，卷积神经网络其实是从输入层到输出层的一种映射，该映射能够根据给定的输入输出数据进行自学习，最终得到某种确定的映射关系而无需给出具体的数学表示，训练过程中通过提前预设的模型对网络结构进行训练 。提出的是一种单层结构学习算法，首个多层结构的 是由 等人提出的。图所示为 结构示意图。图卷积神经网络结构图 输入层在 输入层中无需进行数据变换，可将初始信息直接当作输入。也可以先利用线性变换得到输入矩阵的特征矩阵，再以该特征矩阵作为网络的输入。一般而言，结构均具有全连接层，对于全连接层要求输入数据维度一致。所以卷积神经网络的输入是具有相同阶数的矩阵。卷积层卷积层的作用是对输入数据的特征进行提取。通过对输入矩阵进行卷积变换得到特征图。为了避免其结构中连接权数量过多，相同卷积层中每个神经元必须和前一层不同处神经元连接的权重相等（一个卷积核仅提取与之相连的上一层输出中不同位置的特征），也就是说，卷积核通过对上一层结构的输出进行卷积运算来得到某种特征。对于多个卷积核的情形，则对各卷积核依次进行卷积，从而得到不同的特征。池化层池化也被称为下采样，该层的作用是实现特征映射。实现特征映射的过程中，通常采用非线性下降采样法。具体做法是将输入矩阵划分为几个的局部感受域，用这些局部感受域中的数学期望来表示降维后输入矩阵的特征值。凡是与前一层输出中的局部感受域直接连接的权值都将其设定为固定值，在网络后续训练中不再改变这些权值。池化层通过对前一层网络的输出进行下采样来降低网络结构的待定参数。全连接层全连接层本身是一个采用了全连接方式的人工神经网络，该层是对上一层所提取特征的降维变换，将所有特征映射成一维列向量。安徽水利水电职业技术学院学报第 卷 输出层全连接层的下一层是输出层，无论从原理还是结构来讲，全连接层均与典型前馈神经网络的输出层一样。此处选用 函数作为输出层激活函数。工程基本情况本工程规模为中型水库，总库容约 。其主要建筑物均以级设计，次要建筑物以级设计。工程主要由拦河坝、导流泄洪洞、移动泵船、右岸管理道路等组成。设计洪水标准为 年一遇，校核洪水标准为 年一遇。大坝是碾压均质土坝，坝顶宽度 ，其高程 ，长度 ，建基面最低高程 ，最大坝高 。上游坝坡 、，在 高程处设 宽戗台，上游坝面设置浆砌石网格，网格内采用干砌块石护坡，厚度 ；下游坝坡在 高程设 宽戗台，戗台以上、以下均为，下游坝坡采用草皮护坡，坝趾处设排水棱体，高度，顶部高程 ，内坡比，外坡比。坝基处理采用帷幕灌浆、固结灌浆，灌浆帷幕深入相对不透水层岩体 。坝顶上游侧布设 钢筋混凝土防浪墙，墙高 ，下游侧布设仿汉白玉栏杆，栏杆高 。坝顶路面采用 厚的 混凝土路面，下部布设 厚水泥稳定碎石层。实验 数据来源为了能够清楚大坝在运行过程中的坝体位移，以及验证将 应用于大坝位移预测的效果，选取前文所述大坝工程沿纵向的沉降位移作为数据样本，样本采集时间为 ，部分数据如表所列。将这些样本数据按照 的比例分为训练集和测试集两部分。表大坝位移期号监测日期位移 整体而言，该监测点位移数据在 范围内处于递增状态，数值上具有一定的上下摆动，局部而言，具有一定的随机性和摆动性，但整体上呈现出明显的非线性特点和弱周期性规律。因此，采用文中模型进行大坝位移预测之前，还需通过数据清洗的方法对样本集数据进行预清洗以减小对预测效果的干扰，使预测精度更可靠。仿真实验大坝位移受多方面因素影响，主要有库水位、温度、时效以及材料特性等，其中以材料特性的影响最小，其余种影响因素共包括 个影响因子。通常以代表温度；正余弦谐波因子依次选为 （）、（）、（）、（）；库水位依次以、表示；时效因子依次选、，其中.，表示累积观测时间。在选取以上影响因子基础上，构建卷积神经网络，借助卷积层和池化层的运算，挖掘影响因子间的关系并提取众因子间特征。以 卷积神经网络为借鉴，搭建大坝位移预测的 结构图。该网络结构共包含层，各层结构如表所列，参数设置如表所列。第期沈忱，等：基于卷积神经网络的大坝位移预测模型对比研究表 结构序号结构数量输入层卷积层池化层全连接层输出层表 参数序号参数设置卷积核优化函数 批量大小 失活率 为了获得更为精准的位移预测结果，通过不同的机器学习算法（支持向量机、随机森林）取代 全连接层。根据这一思想，将机器学习算法的输入取为上述 结构的最后一层经过池化后的输出，分别构建 模型和 模型。借助 搭建，利用 的 搭建 和 模型。其中，的惩罚因子 取为 ，核函数因子取为 。的属性数取为，决策树取为 棵。将样本集数据输入不同模型经过训练后，再将测试集数据输入模型进行预测，预测结果如图和图所示，各模型的拟合优度和均方根误差 如表所列。图 和 预测结果图 和 预测结果从图和图可以看出，单一 的预测位移和大坝实际位移相差较大，效果并不理想，单一 的预测效果比单一 的预测效果略好，但与实际位移仍具有一定偏差。单一 的预测效果介于单一 和单一 之间，且各单一模型的预测结果较为随机，不具有趋势性。将 分别与 和 融合后的预测效果比单一模型的预测效果要好，且整体上预测值趋向于位移增大的趋势，与大坝实际变形情况较为吻合。这表明，将 与机器学习融合后可以有效提高模型的预测精度。表各模型拟合优度和均方根误差预测模型 拟合优度 均方根误差 从均方根误差 分析，融合 后的 和 比单一、和 的 均小。从拟合优度 方面看，融合 后的 和 比单一、和 的更高。这说明将 融入机器学习后的拟合效果更好。结束语利用文中所述模型对大坝位移进行预测，并利用实际工程数据对模型进行验证，仿真结果表明构建（下转第 页）安徽水利水电职业技术学院学报第 卷况，直接影响造纸废水处理系统的有效运行，应定期对计量泵校准，对连接计量泵的易损胶管也常常检查，定期更换，防止胶管老化导致药液泄露。（）深度氧化处理。在造纸废水深度氧化处理中的对策有：加入氧化剂后，通过水力混合或机械搅拌方式充分搅拌，同时在接触池安装折流板，防止水流“短路”，保证反应时间充分。安装氧化还原电位（）测定仪，实时显示出水的氧化还原电位，及时调整氧化剂的投加量。结束语由于不同造纸厂废水的种类和数量不同，各种污染物的浓度存在差异，因此需要因地制宜，在工程实践中不断优化工艺参数和方法，推行清洁生产工艺；科学回收利用有机纤维成份和化学品；污水处理设施建设与运营并重，不断研究药剂应用于造纸废水处理新技术和新工艺，更好地控制造纸废水污染。参考文献卜换达预混凝高级氧化法深度处理制浆造纸废水工业用水与废水 ，（）：，宋晓乔，马传澍，任天龙，等硫酸铝预处理对麦草制浆造纸废水脱色效果研究应用化学，（）：武书彬造纸工业水污染控制与治理技术北京：化学工业出版社，杨收，万金泉，马邕文，等 无酸高级氧化工艺深度处理制浆造纸废水的工程应用环境工程学报，（）：徐静静高分子有机无机复配混凝沉淀剂的制备及其在废纸造纸废水中的应用杭州：浙江工业大学，任梦娇，彭永丽，赵贺芳，等光聚合壳聚糖基絮凝剂的制备及性能安徽工业大学学报（自然科学版），（）：焦东废纸制浆造纸厂废水处理新工艺及中试研究广州：华南理工大学，（责任编辑胡进）（上接第页）的 模型和 模型对大坝位移情况均具有较好的预测效果，其中 的效果更好，可采用 对此类型大坝位移进行预测。相比单一的机器学习模型，融合 后的模型具有更高的预测准确率、更小的均方根误差和更大的拟合优度。参考文献陈金干响洪甸水库大坝安全监测设施现状分析及改进安徽水利水电职业技术学院学报，（）：夏甜，袁明道，张旭辉，等基于 的长坑三级大坝渗流监测资料多元逐步回归分析广东水利水电，（）：李尚者，杜伟超，陈立军利用有限元法的大坝变形分析研究测绘地理信息，（）：程琳，徐波，吴波，等大坝安全监测的混合回归模型研究水电能源科学，（）：严春丽 多项式模型在大坝监测中的应用 人民长江，（）：，陈竹安，熊鑫，游宇垠 变分模态分解与长短时神经网络的大坝变形预测 测绘科学，（）：李乾德，王东，谢鑫，等 基于突变级数法的陈蔡水库安全综合评价 水力发电，（）：肖瑷，石先罗，章卫 基于云模型及模糊数学理论的水库大坝安全评价的研究 江西科学，（）：罗亦泳，吴大卫，张立亭，等 基于异方差高斯过程回归的大坝变形预测模型 东华理工大学学报（自然科学版），（）：王丽蓉，郑东健基于卷积神经网络的大坝安全监测数据异常识别长江科学院院报，（）：徐根祺，曹宁，谢国坤，等基于文本信息的图书馆读者流失分析模型微型电脑应用，（）：，杨宗仁，杨凯，王健 基于 的大坝变形预测模型 水利与建筑工程学报，（）：，（责任编辑汪明磊）第期罗爱武：药剂在造纸废水处理中的应用研究