论文部分内容阅读
边坡工程的稳定状态，事关工程建设的成败与人民生命财产安全，及时、准确、全面了解边坡不同时期的稳定状态具有重要的意义。安全监测作为正确评价边坡安全状态变化过程的手段，在边坡工程中逐步得到广泛的应用。由于边坡问题的复杂性，深入开展边坡安全监控理论和方法的研究，系统地分析所获得的监测信息显得十分重要。本文以天荒坪抽水蓄能电站“3.29滑坡”区高边坡为研究对象，结合小波分析技术，对边坡安全监控的理论和方法进行了系统的研究，主要研究内容和结论如下：
(1)研究了小波变换模极大值粗差探测法。小波变换模极大值法是直接对观测数据进行小波分析来判别粗差，避免了利用残差探测粗差时模型误差的影响。实例研究表明，只要选择合适的小波函数和分解尺度，该方法能较准确地探测出粗差或变形异常值。
(2)研究了基于小波分析的3σ准则粗差探测法。该方法的实质就是根据测值本身的发展趋势来识别和剔除粗差。就其探测原理来说，也是对3σ准则粗差探测法的一种改进。仿真算例以及实例分析表明，该方法可以取得更好的粗差探测效果。
(3)分析研究了PSO小波神经网络变形预测模型。对Morlet函数和Sigmoid函数的特点和性能分析表明，小波神经网络套用BP神经网络的梯度下降算法难以取得良好的预测效果。本文采用微粒群算法(PSO)对小波神经网络参数进行优化，并对PSO小波神经网络输入层节点数和隐含层节点数进行了优化改进。实例研究表明，PSO小波神经网络三步滚动预测模型具有预测精度高、预测值稳定性好等优点。
(4)探讨了突变理论和属性识别理论在边坡安全综合评价中的应用。利用边坡的长期监测资料，建立了边坡安全的综合评价体系，通过计算出边坡不同时期的总突变值，得到边坡安全状态评价指标，进而得出边坡安全的动态发展趋势。通过属性识别方法较好地描述了评价指标，得出的结果能较全面的反映边坡状态的多样性。