Page 41 - 2022年第53卷第2期

4.5 与常用统计模型对比 作为对比，采用 4.3.1 节同样的回归分析数据系列和检验数据系列，对常

用的连拱坝变形统计模型 ［29］ 进行了分析，即
é
2
0 å
i
δ = a + 4 a H + å ê b sin 2πjt + b cos 2πjt ù ú + c θ + c lnθ （8）
1j
2j
i
i = 1 j = 1ë 365 365 û 1 2
分析表明，PL11-1（X 向）和 PL11-1（Y 向）回归拟合段对应的复相关系数分别为 0.952、0.892，检
验段对应的均方根误差分别为 0.744、1.025。虽然采用本文方法优选获得的最佳统计模型的拟合和检
验效果与常用的连拱坝变形统计模型的拟合和检验效果基本相当，但本文优选获得的最佳统计模型
因子数明显少于常用的连拱坝变形统计模型因子数。

5 结论

数学模型法是大坝安全监测资料分析的一种重要分析方法，针对现有报导的大坝监测量数学模型
主要以拟合精确性为目标，忽略模型简单性原则的定量分析，本文从系统论角度出发，基于模型优选
原则探讨大坝监测量最佳统计模型优选，并结合梅山大坝 11 坝垛水平位移实测资料，对典型测点进行
#
变形统计模型优选应用，通过分析得到如下结论：（1）提出了拟合良好性、模型简单性和检验有效性的

大坝监测量统计模型优选原则，并给出了 3 个优选原则和决策量的定量标准化计算方法，提出了基于 3
个优选原则的大坝监测量统计模型优选步骤。（2）结合梅山大坝典型坝垛水平位移实测资料，详细展示
了本文提出的大坝监测量统计模型优选方法，分析表明，不同测点监测数据对应不同的统计模型，经
模型优选所得出的最佳统计模型不仅具有良好的拟合性与检验有效性，而且具备模型简单性。

参 考 文 献：

［ 1 ］ 张建云，杨正华，蒋金平 . 我国水库大坝病险及溃决规律分析［J］. 中国科学（技术科学），2017，47（12）：
1313-1320 .
［ 2 ］ 吴中如，顾冲时 . 重大水工混凝土结构病害检测与健康诊断［M］. 北京：高等教育出版社，2005 .
［ 3 ］ 吴中如 . 水工建筑物安全监控理论及其应用［M］. 北京：高等教育出版社，2003 .
［ 4 ］ 顾冲时，吴中如 . 大坝与坝基安全监控理论和方法及其应用［M］. 南京：河海大学出版社，2006 .
［ 5 ］ 南京水利科学研究院，水利部大坝安全管理中心 . 水库大坝安全评价导则：SL 258-2017［S］. 北京：中国
水利水电出版社，2017 .
［ 6 ］ 张秀丽，杨泽艳 . 水工安全监测［M］. 北京：中国水利水电出版社，2011 .
［ 7 ］ 赵斌，吴中如，张爱玲 . BP 模型在大坝安全监测预报中的应用［J］. 大坝观测与土工测试，1999，23（6）：
1-4 .
［ 8 ］ 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［J］. 水利学报，2001，32（6）：
67-71 .
［ 9 ］ 苏怀智，吴中如，温志萍，等 . 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［J］. 水利学报，
2001，32（8）：44-48 .
［ 10］ 齐银峰，谭荣建 . 基于改进粒子群优化算法的 BP 神经网络在大坝变形分析中的应用［J］. 水利水电技术，
2017，48（2）：118-124 .
［ 11］ 田菊飞，苏怀智 . 基于随机森林算法的大坝应力预测模型的构建及其应用［J］. 水电能源科学，2018，36
（5）：54-56，5 .
［ 12］ 李明军，王均星，王亚洲 . 基于改进粒子群优化算法和极限学习机的混凝土坝变形预测［J］. 天津大学学报
（自然科学与工程技术版），2019，52（11）：1136-1144 .
［ 13］ 丁倩，黄耀英，谢同，等 . 基于 BP 神经网络-加权马尔科夫模型的泄水闸水平位移预测［J］. 水资源与水工

程学报，2020，31（6）：187-193 .
［ 14］ 任秋兵，沈扬，李明超，等 . 水工建筑物安全监控深度分析模型及其优化研究［J］. 水利学报，2021，52
（1）：71-80 .

— 163 —