錨桿受荷條件下聲學特征及承載力智能預測方法研究

錨桿錨固技術是地下工程及邊坡治理的重要支護手段，錨固質(zhì)量的好壞關系著工程質(zhì)量和安全，目前錨桿承載力的高精度智能檢測是該領域面臨的世界性難題，因此，本研究對保障地下工程安全等具有重要的理論意義和實用價值。 項目以模式識別、現(xiàn)代信息處理技術、智能控制理論為工具，建立與錨桿力學特性相關的聲學特性理論模型，運用數(shù)值模擬方法計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的響應關系；構建頻率響應函數(shù)矩陣，利用基于主元分析的頻響函數(shù)主成分提取，最后應用基于PSO-RBF神經(jīng)網(wǎng)絡完成錨桿錨固質(zhì)量檢測；提出了基于改進的三次多項式函數(shù)的錨桿承載力預測方法；對傳統(tǒng)的灰色GM（1,1）模型進行了改進，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測；針對改進基于改進的三次多項式函數(shù)，非等間距灰色GM(1，1)模型、改進指數(shù)、改進指數(shù)-冪函數(shù)等得到的預測結果，使用D-S證據(jù)理論融合算法來實現(xiàn)多模型組合預測錨桿極限承載力。 2100433B

錨桿錨固技術是地下工程及邊坡治理的重要支護手段，錨固質(zhì)量的好壞關系著工程質(zhì)量和安全，目前錨桿承載力的高精度智能檢測是該領域面臨的世界性難題，因此，本研究對保障地下工程安全等具有重要的理論意義和實用價值。.項目以模式識別、現(xiàn)代信息處理技術、智能控制理論為工具，建立與錨桿力學特性相關的聲學特性理論模型，運用數(shù)值模擬方法計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的響應關系；研究錨桿承載條件下波場機理，選擇表征錨桿-圍巖結構系統(tǒng)的參數(shù)，利用蟻群算法辨識灰色模型參數(shù)，非間隔GM(1,1)灰色模型預測錨桿承載力；利用譜分析對錨桿受力的聲波信號與激勵信號進行處理，得到頻率響應函數(shù)，求其特征值，以此作為神經(jīng)網(wǎng)絡的輸入，提出基于多源信息融合的錨桿承載力預測方法，為建立錨桿承載力智能檢測系統(tǒng)奠定理論基礎。

電力負荷預測分為經(jīng)典預測方法和現(xiàn)代預測方法 。

經(jīng)典預測方法

趨勢外推法

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

時間序列法

時間序列法是一種最為常見的短期負荷預測方法，它是針對整個觀測序列呈現(xiàn)出的某種隨機過程的特性，去建立和估計產(chǎn)生實際序列的隨機過程的模型，然后用這些模型去進行預測。它利用了電力負荷變動的慣性特征和時間上的延續(xù)性，通過對歷史數(shù)據(jù)時間序列的分析處理，確定其基本特征和變化規(guī)律，預測未來負荷。

時間序列預測方法可分為確定型和隨機性兩類，確定型時間序列作為模型殘差用于估計預測區(qū)間的大小。隨機型時間序列預測模型可以看作一個線性濾波器。根據(jù)線性濾波器的特性，時間序列可劃為自回歸(AR)、動平均(MA)、自回歸-動平均(ARMA)、累計式自回歸-動平均(ARIMA)、傳遞函數(shù)(TF)幾類模型，其負荷預測過程一般分為模型識別、模型參數(shù)估計、模型檢驗、負荷預測、精度檢驗預測值修正5個階段。

回歸分析法

回歸分析法就是根據(jù)負荷過去的歷史資料，建立可以分析的數(shù)學模型，對未來的負荷進行預測。利用數(shù)理統(tǒng)計中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進行分析，確定變量之間的相互關系，從而實現(xiàn)預測。

現(xiàn)代負荷預測方法

20世紀80年代后期，一些基于新興學科理論的現(xiàn)代預測方法逐漸得到了成功應用。這其中主要有灰色數(shù)學理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡理論、模糊預測理論等 。

灰色數(shù)學理論

灰色數(shù)學理論是把負荷序列看作一真實的系統(tǒng)輸出，它是眾多影響因子的綜合作用結果。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)理論把負荷序列通過生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負荷預測。

專家系統(tǒng)方法

專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負荷數(shù)據(jù)和天氣數(shù)據(jù)等進行細致的分析，匯集有經(jīng)驗的負荷預測人員的知識，提取有關規(guī)則。借助專家系統(tǒng)，負荷預測人員能識別預測日所屬的類型，考慮天氣因素對負荷預測的影響，按照一定的推理進行負荷預測。

神經(jīng)網(wǎng)絡理論

神經(jīng)網(wǎng)絡理論是利用神經(jīng)網(wǎng)絡的學習功能，讓計算機學習包含在歷史負荷數(shù)據(jù)中的映射關系，再利用這種映射關系預測未來負荷。由于該方法具有很強的魯棒性、記憶能力、非線性映射能力以及強大的自學習能力，因此有很大的應用市場，但其缺點是學習收斂速度慢，可能收斂到局部最小點；并且知識表達困難，難以充分利用調(diào)度人員經(jīng)驗中存在的模糊知識。

模糊負荷預測

模糊負荷預測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用了模糊數(shù)學理論，使其進行確定性的工作，對一些無法構造數(shù)學模型的被控過程進行有效控制。模糊系統(tǒng)不管其是如何進行計算的，從輸入輸出的角度講它是一個非線性函數(shù)。模糊系統(tǒng)對于任意一個非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個解模糊方法，使得設計出的模糊系統(tǒng)能夠任意逼近這個非線性函數(shù)。

模糊預測的一些基本方法

(1)表格查尋法：

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

這是一種簡單易行的易于理解的算法，因為它是個順序生成過程，無需反復學習，因此，這個方法同樣具有模糊系統(tǒng)優(yōu)于神經(jīng)網(wǎng)絡系統(tǒng)的一大優(yōu)點，即構造起來既簡單又快速。

(2)基于神經(jīng)網(wǎng)絡集成的高木-關野模糊預測算法：

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

(3)改進的模糊神經(jīng)網(wǎng)絡模型的算法：

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

對于復雜的系統(tǒng)建模，已經(jīng)有了許多方法，并已取得良好的應用效果。但主要缺點是模型精度不高，訓練時間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進型算法。

(4)反向傳播學習算法：

模糊邏輯系統(tǒng)應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致密集上的非線性函數(shù)，其優(yōu)勢在于它有能夠系統(tǒng)而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個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學習算法用來確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過辨識的模型能夠很好的逼近真實系統(tǒng)，進而達到提高預測精度的目的。

現(xiàn)有的空間負荷預測方法有幾十種之多，若按照預測原理來分類，可分為用地仿真類空間負荷預測方法、負荷密度指標法、多元變量法及趨勢類空間負荷預測方法;若根據(jù)預測過程是否可以寫出解析表達式，可分為解析類預測方法和非解析類預測方法;若從確定元胞負荷與總量負荷的先后順序來說，可分為自上而下的預測方法和自下而上的預測方法。具體分類情況如下：

（1）用地仿真類預測法：基于模糊邏輯技術的用地仿真法、基于粗糙集理論的用地仿真法、基于元胞自動機的用地仿真法、基于蟻群算法的用地仿真法基于負荷細分與SVM技術的用地仿真法、基于系統(tǒng)動力學與運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）負荷密度指標法：

傳統(tǒng)方法：直觀預測法(涂色法)、分類負荷平均密度指標法

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

發(fā)展曲線：基于VAI的負荷密度指標法、基于飽和密度與相對系數(shù)的負荷密度指標法、計及元胞屬性及發(fā)展時序的負荷密度指標法。

（3）多元變量預測法：基于經(jīng)濟計量模型的方法

（4）趨勢類預測法：

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

外推算法：回歸分析法、指數(shù)平滑法、增長速度法、生長曲線法、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、海洋采油平臺和海上風機基礎等構筑物中廣泛應用，而且相當一部分位于粘土場地中。近五十年來，國內(nèi)外研究者和工程人員對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方面。申請人前期的研究表明，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。本項目將對粘土中水平多向受荷樁的工作性狀進行較系統(tǒng)的研究：（1）通過室內(nèi)模型試驗，研究多向加載路徑對軟粘土和硬粘土中樁基水平承載力和樁身響應的影響，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，進行水平多向荷載作用下粘土與樁相互作用的機理分析和參數(shù)研究；（3）建立并驗證能描述在單調(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。