随着水资源的开发与利用,大坝的安全问题日益突出,正确地预报大坝安全监测量,对指导大坝安全运行和辅助决策具有重要的作用。大坝安全监控模型是分析、评价大坝性态的主要工具,在大坝安全监测中发挥着重大的作用,大坝安全监测资料分析及安全监测模型的建立是安全监测工作的最终价值体现。本文在分析传统的大坝监控统计模型上,利用一种数据挖掘中的新方法——支持向量机,建立了基于支持向量机的大坝安全监测统计模型,实际应用表明,将支持向量机应用于大坝安全监测资料分析是成功的。本文主要研究成果:(1)在大坝安全监测的建模分析中,建模因子主要考虑水压、温度、时效等因素,并以此建立其与效应量间的复杂关系,最小二乘回归统计方法是常用模型方法,但这种线性统计模型一般很难反映这种复杂关系,而支持向量机,通过引入核函数,将输入空间中的非线性问题映射到高维特征空间中在高维空间中构造线性函数判别,是一种很好的非线性模型,因此,本文建立了基于支持向量机的大坝安全监测统计模型。(2)支持向量机是求解一个凸二次规划,计算复杂,计算速度慢,最小二乘支持向量机采用等式约束替代不等式约束,加快了求解速度。因此,本文建立了最小二乘支持向量机大坝安全监测统计模型,加快了求解速度,减少了计算资源,比传统的支持向量机模型更具推广力。(3)针对大坝安全监测中,因子间的多重相关性,以及模型的非线性特点,本文将偏最小二乘回归与最小二乘支持向量机耦合,建立大坝安全监测模型。利用偏最小二乘回归对影响大坝渗流和变形的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数。实例分析表明,偏最小二乘支持向量机的学习训练效率比最小二乘支持向量机有较大的优势,更适合于大规模的数据建模。