Page 40 - 2024年第55卷第9期

水 利 学 报

２０２４年 ９月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５５卷 第 ９期

文章编号：０５５９ － ９３５０（２０２４）０９ － １０４５ － １４

基于自适应时序分解筛选的大坝变形预测模型

４
谷 宇 １，２ ，苏怀智 １，２，３ ，张 帅 ，姚可夫 １，２ ，刘明凯 １，２ ，漆一宁 １，２
（１．河海大学 水灾害防御全国重点实验室，江苏 南京 ２１００９８；２．河海大学 水利水电学院，江苏 南京 ２１００９８；
３．河海大学 水安全与水科学协同创新中心，江苏 南京 ２１００９８；
４．中国电建集团昆明勘测设计研究院有限公司，云南 昆明 ６５００５１）

摘要：高精度的大坝变形分析和预测是掌握大坝工作性态、诊断大坝异常的重要手段。针对现有模型信息特征挖
掘不充分、泛化能力弱、难以实现精准预测等问题，采用灰狼算法优化自适应噪声完备经验模态分解解决多维参
数标定问题，使用阈值评价指标保留变形时序数据的有效信息特征；引入交叉验证的递归特征选择法通过多个学
习器综合筛选出最优因子集，移除冗余特征、提取有效信息并增强模型可解释性；考虑时序数据特性优化双向长
短期记忆神经网络时间窗步数，结合大坝变形数据降噪、最优特征因子输入等多种方法，构建大坝变形预测模
型。以实际工程为例，结合多种预测模型进行对比分析，结果表明该模型具备挖掘非线性信息能力，预测性能得
到改善，可为大坝安全监测提供参考。
关键词：大坝变形预测；灰狼算法；阈值降噪；双向长短期记忆神经网络；自适应噪声完备经验模态分解
文献标识码：Ａ
中图分类号：ＴＰ１８；ＴＶ６９８．１１ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０７６６

１ 研究背景

我国有各类水库大坝 ９．８万余座正在服役，数量位居世界首位，是保障我国经济持续稳定发展的
必不可少的重要基础设施。然而，大坝安全运行始终面临着自身缺陷、复杂自然条件等挑战，一旦溃
决将产生难以估量的社会、经济、环境损失 ［１］ ，如何保障大坝安全已成为当前水库大坝安全管理的重
要课题。其中大坝变形可直观、可靠反映大坝服役性态 ［２］ ，利用历史资料构建高精度大坝变形预测模
型是分析其服役状态、保障其安全运行的重要手段。
作为非线性、非平稳信号的大坝变形数据序列通常包含不确定误差和各种原因造成的噪音数据，
其往往 会 影 响 变 形 预 测 精 度。 王 海 龙 等 ［３］ 将 自 适 应 噪 声 完 备 经 验 模 态 分 解 （ＣｏｍｐｌｅｔｅＥｎｓｅｍｂｌｅ
ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈＡｄａｐｔｉｖｅＮｏｉｓｅ，ＣＥＥＭＤＡＮ）与小波包分析相结合提出一种联合降噪
方法，但降噪效果受小波基的选择、信号分解层数和阈值的选取等因素的影响，参数组合常依据经验
确定，并无公认标准，自适应性不强，无法保证降噪效果的有效性；董泳等 ［４］ 借助经验模态分解（Ｅｍ
ｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ ，ＥＭＤ）对大坝数据序列进行分析降噪，虽然确定了分量层次却过于主观，
且忽视了模态混叠问题。侯回位等 ［５］ 将样本熵与集合经验模态分解（ＥｎｓｅｍｂｌｅＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏ
ｓｉｔｉｏｎ ，ＥＥＭＤ）相结合以对变形序列进行解析，模型预测精度较高，但并未考虑噪声影响。现有研究
已取得较好成果，但仍存在人为主观影响较大、自适应性不强及可能引入新噪声等不足。
根据影响因子集的不同，传统大坝变形因子分析模型可分为静水－ 温度－ 时间（Ｈｙｄｒｏｓｔａｔｉｃ － Ｔｈｅｒｍａｌ －
Ｔｉｍｅ ，ＨＴＴ）、静水－ 季节－ 时间（Ｈｙｄｒｏｓｔａｔｉｃ － Ｓｅａｓｏｎａｌ － Ｔｉｍｅ，ＨＳＴ）等多种模型，但其中可能包含冗余或无用

收稿日期：２０２３ － １２ － ０７；网络首发日期：２０２４ － ０７ － ２６
网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２４０７２５．１０１５．００３
基金项目：国家自然科学基金项目（５２２３９００９，５１９７９０９３）
作者简介：谷宇（ ２０００ － ），博士生，主要从事水工结构安全监控研究。Ｅ － ｍａｉｌ：ｇｕ＿ｙｕｕ＠１６３．ｃｏｍ
通信作者：苏怀智（１９７３ － ），博士，教授，主要从事涉水工程安全防控与提能延寿研究。Ｅ － ｍａｉｌ：ｓｕ＿ｈｕａｉｚｈｉ＠ｈｈｕ．ｅｄｕ．ｃｎ
０
— １ ４ ５ —