錨桿受荷條件下聲學(xué)特征及承載力智能預(yù)測(cè)方法研究結(jié)題摘要

錨桿錨固技術(shù)是地下工程及邊坡治理的重要支護(hù)手段，錨固質(zhì)量的好壞關(guān)系著工程質(zhì)量和安全，目前錨桿承載力的高精度智能檢測(cè)是該領(lǐng)域面臨的世界性難題，因此，本研究對(duì)保障地下工程安全等具有重要的理論意義和實(shí)用價(jià)值。 項(xiàng)目以模式識(shí)別、現(xiàn)代信息處理技術(shù)、智能控制理論為工具，建立與錨桿力學(xué)特性相關(guān)的聲學(xué)特性理論模型，運(yùn)用數(shù)值模擬方法計(jì)算錨桿處于不同受荷狀態(tài)和工作狀態(tài)下錨桿承載力分布特性和聲波傳播特性，研究了錨桿不同承載力與聲波波場(chǎng)的響應(yīng)關(guān)系；構(gòu)建頻率響應(yīng)函數(shù)矩陣，利用基于主元分析的頻響函數(shù)主成分提取，最后應(yīng)用基于PSO-RBF神經(jīng)網(wǎng)絡(luò)完成錨桿錨固質(zhì)量檢測(cè)；提出了基于改進(jìn)的三次多項(xiàng)式函數(shù)的錨桿承載力預(yù)測(cè)方法；對(duì)傳統(tǒng)的灰色GM（1,1）模型進(jìn)行了改進(jìn)，建立了非等間距傳統(tǒng)灰色GM(1，1)模型，完成了錨桿承載力預(yù)測(cè)；針對(duì)改進(jìn)基于改進(jìn)的三次多項(xiàng)式函數(shù)，非等間距灰色GM(1，1)模型、改進(jìn)指數(shù)、改進(jìn)指數(shù)-冪函數(shù)等得到的預(yù)測(cè)結(jié)果，使用D-S證據(jù)理論融合算法來(lái)實(shí)現(xiàn)多模型組合預(yù)測(cè)錨桿極限承載力。 2100433B

錨桿錨固技術(shù)是地下工程及邊坡治理的重要支護(hù)手段，錨固質(zhì)量的好壞關(guān)系著工程質(zhì)量和安全，目前錨桿承載力的高精度智能檢測(cè)是該領(lǐng)域面臨的世界性難題，因此，本研究對(duì)保障地下工程安全等具有重要的理論意義和實(shí)用價(jià)值。.項(xiàng)目以模式識(shí)別、現(xiàn)代信息處理技術(shù)、智能控制理論為工具，建立與錨桿力學(xué)特性相關(guān)的聲學(xué)特性理論模型，運(yùn)用數(shù)值模擬方法計(jì)算錨桿處于不同受荷狀態(tài)和工作狀態(tài)下錨桿承載力分布特性和聲波傳播特性，研究錨桿不同承載力與聲波波場(chǎng)的響應(yīng)關(guān)系；研究錨桿承載條件下波場(chǎng)機(jī)理，選擇表征錨桿-圍巖結(jié)構(gòu)系統(tǒng)的參數(shù)，利用蟻群算法辨識(shí)灰色模型參數(shù)，非間隔GM(1,1)灰色模型預(yù)測(cè)錨桿承載力；利用譜分析對(duì)錨桿受力的聲波信號(hào)與激勵(lì)信號(hào)進(jìn)行處理，得到頻率響應(yīng)函數(shù)，求其特征值，以此作為神經(jīng)網(wǎng)絡(luò)的輸入，提出基于多源信息融合的錨桿承載力預(yù)測(cè)方法，為建立錨桿承載力智能檢測(cè)系統(tǒng)奠定理論基礎(chǔ)。

電力負(fù)荷預(yù)測(cè)分為經(jīng)典預(yù)測(cè)方法和現(xiàn)代預(yù)測(cè)方法 。

經(jīng)典預(yù)測(cè)方法

趨勢(shì)外推法

就是根據(jù)負(fù)荷的變化趨勢(shì)對(duì)未來(lái)負(fù)荷情況作出預(yù)測(cè)。電力負(fù)荷雖然具有隨機(jī)性和不確定性，但在一定條件下，仍存在著明顯的變化趨勢(shì)，例如農(nóng)業(yè)用電，在氣候條件變化較小的冬季，日用電量相對(duì)穩(wěn)定，表現(xiàn)為較平穩(wěn)的變化趨勢(shì)。這種變化趨勢(shì)可為線性或非線性，周期性或非周期性等等。

時(shí)間序列法

時(shí)間序列法是一種最為常見(jiàn)的短期負(fù)荷預(yù)測(cè)方法，它是針對(duì)整個(gè)觀測(cè)序列呈現(xiàn)出的某種隨機(jī)過(guò)程的特性，去建立和估計(jì)產(chǎn)生實(shí)際序列的隨機(jī)過(guò)程的模型，然后用這些模型去進(jìn)行預(yù)測(cè)。它利用了電力負(fù)荷變動(dòng)的慣性特征和時(shí)間上的延續(xù)性，通過(guò)對(duì)歷史數(shù)據(jù)時(shí)間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測(cè)未來(lái)負(fù)荷。

時(shí)間序列預(yù)測(cè)方法可分為確定型和隨機(jī)性兩類，確定型時(shí)間序列作為模型殘差用于估計(jì)預(yù)測(cè)區(qū)間的大小。隨機(jī)型時(shí)間序列預(yù)測(cè)模型可以看作一個(gè)線性濾波器。根據(jù)線性濾波器的特性，時(shí)間序列可劃為自回歸(AR)、動(dòng)平均(MA)、自回歸-動(dòng)平均(ARMA)、累計(jì)式自回歸-動(dòng)平均(ARIMA)、傳遞函數(shù)(TF)幾類模型，其負(fù)荷預(yù)測(cè)過(guò)程一般分為模型識(shí)別、模型參數(shù)估計(jì)、模型檢驗(yàn)、負(fù)荷預(yù)測(cè)、精度檢驗(yàn)預(yù)測(cè)值修正5個(gè)階段。

回歸分析法

回歸分析法就是根據(jù)負(fù)荷過(guò)去的歷史資料，建立可以分析的數(shù)學(xué)模型，對(duì)未來(lái)的負(fù)荷進(jìn)行預(yù)測(cè)。利用數(shù)理統(tǒng)計(jì)中的回歸分析方法，通過(guò)對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)。

現(xiàn)代負(fù)荷預(yù)測(cè)方法

20世紀(jì)80年代后期，一些基于新興學(xué)科理論的現(xiàn)代預(yù)測(cè)方法逐漸得到了成功應(yīng)用。這其中主要有灰色數(shù)學(xué)理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測(cè)理論等 。

灰色數(shù)學(xué)理論

灰色數(shù)學(xué)理論是把負(fù)荷序列看作一真實(shí)的系統(tǒng)輸出，它是眾多影響因子的綜合作用結(jié)果。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性?；疑到y(tǒng)理論把負(fù)荷序列通過(guò)生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負(fù)荷預(yù)測(cè)。

專家系統(tǒng)方法

專家系統(tǒng)方法是對(duì)于數(shù)據(jù)庫(kù)里存放的過(guò)去幾年的負(fù)荷數(shù)據(jù)和天氣數(shù)據(jù)等進(jìn)行細(xì)致的分析，匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測(cè)人員的知識(shí)，提取有關(guān)規(guī)則。借助專家系統(tǒng)，負(fù)荷預(yù)測(cè)人員能識(shí)別預(yù)測(cè)日所屬的類型，考慮天氣因素對(duì)負(fù)荷預(yù)測(cè)的影響，按照一定的推理進(jìn)行負(fù)荷預(yù)測(cè)。

神經(jīng)網(wǎng)絡(luò)理論

神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能，讓計(jì)算機(jī)學(xué)習(xí)包含在歷史負(fù)荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測(cè)未來(lái)負(fù)荷。由于該方法具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué)習(xí)能力，因此有很大的應(yīng)用市場(chǎng)，但其缺點(diǎn)是學(xué)習(xí)收斂速度慢，可能收斂到局部最小點(diǎn)；并且知識(shí)表達(dá)困難，難以充分利用調(diào)度人員經(jīng)驗(yàn)中存在的模糊知識(shí)。

模糊負(fù)荷預(yù)測(cè)

模糊負(fù)荷預(yù)測(cè)是近幾年比較熱門的研究方向。

模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論，使其進(jìn)行確定性的工作，對(duì)一些無(wú)法構(gòu)造數(shù)學(xué)模型的被控過(guò)程進(jìn)行有效控制。模糊系統(tǒng)不管其是如何進(jìn)行計(jì)算的，從輸入輸出的角度講它是一個(gè)非線性函數(shù)。模糊系統(tǒng)對(duì)于任意一個(gè)非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個(gè)解模糊方法，使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線性函數(shù)。

模糊預(yù)測(cè)的一些基本方法

(1)表格查尋法：

表格法是一種相對(duì)簡(jiǎn)單明了的算法。這個(gè)方法的基本思想是從已知輸入--輸出數(shù)據(jù)對(duì)中產(chǎn)生模糊規(guī)則，形成一個(gè)模糊規(guī)則庫(kù)，最終的模糊邏輯系統(tǒng)將從組合模糊規(guī)則庫(kù)中產(chǎn)生。

這是一種簡(jiǎn)單易行的易于理解的算法，因?yàn)樗莻€(gè)順序生成過(guò)程，無(wú)需反復(fù)學(xué)習(xí)，因此，這個(gè)方法同樣具有模糊系統(tǒng)優(yōu)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的一大優(yōu)點(diǎn)，即構(gòu)造起來(lái)既簡(jiǎn)單又快速。

(2)基于神經(jīng)網(wǎng)絡(luò)集成的高木-關(guān)野模糊預(yù)測(cè)算法：

它是利用神經(jīng)網(wǎng)絡(luò)來(lái)求得條件部輸入變量的聯(lián)合隸屬函數(shù)。結(jié)論部的函數(shù)f(X)也可以用神經(jīng)網(wǎng)絡(luò)來(lái)表示。神經(jīng)網(wǎng)絡(luò)均采用前向型的BP網(wǎng)絡(luò)。

(3)改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)模型的算法：

模糊神經(jīng)網(wǎng)絡(luò)即全局逼近器。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)似乎有著天然的聯(lián)系，模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是模糊系統(tǒng)的實(shí)現(xiàn)，就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)(如前向反饋神經(jīng)網(wǎng)絡(luò)，HoPfield神經(jīng)網(wǎng)絡(luò))賦予模糊輸入信號(hào)和模糊權(quán)。

對(duì)于復(fù)雜的系統(tǒng)建模，已經(jīng)有了許多方法，并已取得良好的應(yīng)用效果。但主要缺點(diǎn)是模型精度不高，訓(xùn)練時(shí)間太長(zhǎng)。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進(jìn)型算法。

(4)反向傳播學(xué)習(xí)算法：

模糊邏輯系統(tǒng)應(yīng)用主要在于它能夠作為非線性系統(tǒng)的模型，包括含有人工操作員的非線性系統(tǒng)的模型。因此，從函數(shù)逼近意義上考慮，研究模糊邏輯系統(tǒng)的非線性映射能力顯得非常重要。函數(shù)逼近就是模糊邏輯系統(tǒng)可以在任意精度上，一致逼近任何定義在一個(gè)致密集上的非線性函數(shù)，其優(yōu)勢(shì)在于它有能夠系統(tǒng)而有效地利用語(yǔ)言信息的能力。萬(wàn)能逼近定理表明一定存在這樣一個(gè)可以在任意精度逼近任意給定函數(shù)的高斯型模糊邏輯系統(tǒng)。反向傳播BP學(xué)習(xí)算法用來(lái)確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過(guò)辨識(shí)的模型能夠很好的逼近真實(shí)系統(tǒng)，進(jìn)而達(dá)到提高預(yù)測(cè)精度的目的。

現(xiàn)有的空間負(fù)荷預(yù)測(cè)方法有幾十種之多，若按照預(yù)測(cè)原理來(lái)分類，可分為用地仿真類空間負(fù)荷預(yù)測(cè)方法、負(fù)荷密度指標(biāo)法、多元變量法及趨勢(shì)類空間負(fù)荷預(yù)測(cè)方法;若根據(jù)預(yù)測(cè)過(guò)程是否可以寫(xiě)出解析表達(dá)式，可分為解析類預(yù)測(cè)方法和非解析類預(yù)測(cè)方法;若從確定元胞負(fù)荷與總量負(fù)荷的先后順序來(lái)說(shuō)，可分為自上而下的預(yù)測(cè)方法和自下而上的預(yù)測(cè)方法。具體分類情況如下：

（1）用地仿真類預(yù)測(cè)法：基于模糊邏輯技術(shù)的用地仿真法、基于粗糙集理論的用地仿真法、基于元胞自動(dòng)機(jī)的用地仿真法、基于蟻群算法的用地仿真法基于負(fù)荷細(xì)分與SVM技術(shù)的用地仿真法、基于系統(tǒng)動(dòng)力學(xué)與運(yùn)輸模型的用地仿真法、非均勻區(qū)域法、考慮不確定性因素的用地仿真法。

（2）負(fù)荷密度指標(biāo)法：

傳統(tǒng)方法：直觀預(yù)測(cè)法(涂色法)、分類負(fù)荷平均密度指標(biāo)法

智能算法：基于雙層貝葉斯模型的負(fù)荷密度指標(biāo)法、基于模糊理論的負(fù)荷密度指標(biāo)法、基于AHP和TOPSIS的負(fù)荷密度指標(biāo)法、基于ANFIS的負(fù)荷密度指標(biāo)法、基于LS-S VM的負(fù)荷密度指標(biāo)法。

發(fā)展曲線：基于VAI的負(fù)荷密度指標(biāo)法、基于飽和密度與相對(duì)系數(shù)的負(fù)荷密度指標(biāo)法、計(jì)及元胞屬性及發(fā)展時(shí)序的負(fù)荷密度指標(biāo)法。

（3）多元變量預(yù)測(cè)法：基于經(jīng)濟(jì)計(jì)量模型的方法

（4）趨勢(shì)類預(yù)測(cè)法：

措施：元胞負(fù)荷轉(zhuǎn)移招合法、負(fù)荷規(guī)律性分析、空區(qū)推論(或模板法)、 元胞負(fù)荷聚類分析。

外推算法：回歸分析法、指數(shù)平滑法、增長(zhǎng)速度法、生長(zhǎng)曲線法、灰色理論法、馬爾可夫法、灰色馬爾可夫法。

水平受荷樁在港口碼頭、海洋采油平臺(tái)和海上風(fēng)機(jī)基礎(chǔ)等構(gòu)筑物中廣泛應(yīng)用，而且相當(dāng)一部分位于粘土場(chǎng)地中。近五十年來(lái)，國(guó)內(nèi)外研究者和工程人員對(duì)粘土中水平受荷樁的研究主要集中在單向水平荷載下的樁基響應(yīng)方面。申請(qǐng)人前期的研究表明，砂土中的單樁在多向加載條件下的水平承載力要顯著低于單向加載條件下的水平承載力，且存在荷載增量矢量與位移增量矢量非共軸等現(xiàn)象；而中硬粘土中水平受荷單樁的初步試驗(yàn)研究表明，在多向循環(huán)加載路徑下的水平承載力退化更為顯著。本項(xiàng)目將對(duì)粘土中水平多向受荷樁的工作性狀進(jìn)行較系統(tǒng)的研究：（1）通過(guò)室內(nèi)模型試驗(yàn)，研究多向加載路徑對(duì)軟粘土和硬粘土中樁基水平承載力和樁身響應(yīng)的影響，及水平多向循環(huán)加載路徑下的承載力退化規(guī)律；（2）借助數(shù)值分析手段，進(jìn)行水平多向荷載作用下粘土與樁相互作用的機(jī)理分析和參數(shù)研究；（3）建立并驗(yàn)證能描述在單調(diào)和循環(huán)水平多向荷載作用下，粘土與樁相互作用的彈塑性多向p-y模型。