导读:本文包含了裂缝开闭模型论文开题报告文献综述及选题提纲参考文献，主要关键词:混凝土坝,裂缝开度,Legendre多项式,RLS自适应算法
裂缝开闭模型论文文献综述
邱莉婷,沈振中,马福恒,聂柏松[1]（2019）在《MLR-Legendre多项式模型在混凝土坝裂缝开度预测中的应用》一文中研究指出在混凝土坝裂缝开度预测中得到了广泛应用的统计回归模型仍存在不足。首先,对小容量样本的观测时间序列难以建立有效的统计回归模型;其次,预测模型未能考虑残差项,而残差项包含了裂缝发展演变的海量信息,为了准确预测裂缝开度还须在预测模型中纳入残差项。同时,统计回归模型的残差序列中存在混沌成分,残差项受到某种动力特性支配,故基于混沌理论对残差项进行推求,建立了统计与混沌混合预测模型。采用基于Legendre多项式的RLS(递推最小二乘法)自适应预测算法,提出了针对小容量样本观测数据时间序列的实时预测模型以及针对大容量样本观测数据时间序列的统计回归-Legendre多项式残差预测模型。最后,结合陈村重力拱坝在105 m高程的裂缝开度实测数据,对裂缝开度实时预测模型以及统计回归-Legendre多项式组合模型分别进行了检验,结果表明模型具有良好的预测精度,可为工程的安全运行管理工作提供一定的技术支持。(本文来源于《水利水运工程学报》期刊2019年02期）
陈旭东,李俊杰,霍中艳[2]（2017）在《高桩码头裂缝开合度监测模型研究》一文中研究指出安全监测是确保水利工程安全运行的重要措施,监测模型是安全监测分析的重要工具,在水库大坝中应用广泛,然而相关理论和研究在港口码头方面应用较少,鉴于港口码头工作环境及工作性态与水库大坝不同,亟需研究符合码头自身工作特点的安全监测模型。针对高桩码头裂缝效应量和原因量的变化规律,选取温度、风、堆荷和时效分量为高桩码头裂缝的主要影响因素,探讨了相应的因子表达形式;在此基础上,建立了高桩码头裂缝开合度监测的统计模型和最小二乘支持向量机模型,研究了模型评价方法,对监测序列进行拟合和预测,验证了模型的有效性和合理性。结果表明,所建立的高桩码头裂缝开合度模型具有较高的精度和一定的预测能力,可为分析高桩码头裂缝监测资料,以及监控高桩码头安全提供科学依据。(本文来源于《水利水运工程学报》期刊2017年06期）
钟黎雨,刘天祥,夏天倚,陶亮,孙斌斌[3]（2015）在《基于融合型WNN的大坝裂缝开合度预测模型研究》一文中研究指出大坝的裂缝开合度监测是大坝安全监测中重要的项目之一。因此,大坝裂缝开合度预测的准确性对大坝安全监控十分重要。外界诸多因素都会对大坝裂缝开合度造成一定的影响,导致情况非常复杂。为了提高大坝裂缝开合度预测的精度,尝试将融合型WNN(小波神经网络)应用于大坝裂缝开合度预测,并将该模型应用于某混凝土大坝的裂缝开合度预测中,并与BP神经网络模型、松散型WNN模型及传统的多元回归模型预测结果进行对比。结果表明,融合型WNN用于大坝裂缝开合度预测精度更高,效果更好。(本文来源于《中国农村水利水电》期刊2015年04期）
古力米热·哈那提,美丽古丽·买买提,孟波[4]（2011）在《基于主成分与广义回归神经网络耦合的寒区水库裂缝开合度预测模型》一文中研究指出水库裂缝开合情况对于水库的安全运行极为重要。将主成分分析法与广义回归神经网络结合在一起,进行水库裂缝开合度的预测。结果表明:应用主成分分析与广义回归神经网络相耦合的模型可以很好的反映环境因子(水压力因子、温度因子、时效因子)与水库裂缝开合度之间的非线性函数映射关系。同时利用Matlab软件对新疆某寒区水库裂缝的开合度进行了实例分析和预测。预测结果显示,水库裂缝开合度的最大相对误差分别8.14%,相关性系数为0.984 7,具有较高的预报精度。通过主成分分析与广义回归神经网络相耦合的方法,有效的消除了原指标间的相关性,降低了神经网络的输入,提取了对因变量解释性最强的成分,使广义回归神经网络的输入层节点数由原来的8个减少到2个,起到了网络结构的简化,增强了网络的稳定性。耦合模型弥补了最小二乘回归无法有效识别和消除因子间多重相关性影响的不足,为水库裂缝开合度、大坝位移等指标预测提供了新的思路和方法。(本文来源于《干旱区地理》期刊2011年04期）
张福明,陈义国,邵才瑞,李世川[5]（2010）在《基于双侧向测井的裂缝开度估算模型比较及改进》一文中研究指出常用的基于双侧向测井的裂缝开度模型大多是针对基质物性较差的裂缝性碳酸盐岩地层提出。而裂缝性砂岩地层双侧向测井电流传播路径与裂缝性碳酸盐岩地层存在差别。结合实际资料处理,对常用的Sibbit和罗贞耀裂缝开度模型在砂岩地层中的应用效果进行了考察与分析,并对模型进行了改进。从原理上对裂缝性砂岩地层电流传播路径进行了分析,由基质孔隙与裂缝孔隙并联导电模型入手,提出了更适用于砂岩地层的双孔隙裂缝开度模型。改进后的双孔隙裂缝开度模型适用性更强,提高了双侧向测井资料计算砂岩地层裂缝开度的准确性。(本文来源于《测井技术》期刊2010年04期）
张立新,蒋裕丰,董良[6]（2010）在《基于蚁群神经网络的裂缝开合度预测模型》一文中研究指出大坝裂缝开合度是体现大坝安全的重要参量。针对传统裂缝开合度预测模型的不足,提出了基于蚁群神经网络的裂缝开合度预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高了学习速度,加快了收敛速度,缩短了训练时间,并通过实例验证了其拟合预报精度,说明该方法具有较强的实用性。(本文来源于《水力发电》期刊2010年05期）
刘健,程森[7]（2009）在《基于灰色理论的基岩裂缝开度尖点突变模型》一文中研究指出基岩裂缝产生和发展的原因复杂,在分析过程中很难找到合适的相关变量因子,难以用常规的回归分析方法建立预测模型。将基岩裂缝开度的实测资料看作一个时间序列,利用灰色系统理论建立其GM(1,1)预测模型,根据突变理论可以较好地预测控制变量作用下的系统状态是否连续、稳定的特点,利用尖点突变模型对其变化情况进行分析。通过工程实例证明该方法具有较好的效果。(本文来源于《武汉理工大学学报》期刊2009年17期）
俞小敏,瞿威飞,蒋裕丰[8]（2009）在《基于RBF神经网络的裂缝开度预测模型》一文中研究指出大坝裂缝开度是大坝安全的重要特征之一。针对传统裂缝开度预测模型的不足,提出了基于RBF神经网络的裂缝开度预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高学习速度,加快了收敛速度,缩短了训练时间,使得预测精度提高,因此能较好地预测裂缝开度值。利用Matlab的RBF神经网络工具箱建立了裂缝开度预测模型,并应用于实际工程中,取得了较高的拟合预报精度,说明该方法具有较强的实用性。(本文来源于《黑龙江水专学报》期刊2009年01期）
包腾飞,吴中如[9]（2005）在《混凝土裂缝开度混合预测模型》一文中研究指出分析了传统统计预测模型的不足,研究了统计与混沌混合预测模型建模的一般原理,提出了一种混凝土坝裂缝开度的统计与混沌混合预测模型,利用紧支柱径向基函数对该模型进行了实现,结合实例对这种混合预测模型进行了检验,实例分析表明,该模型预测精度较高,具有一定实用性。(本文来源于《水利水电技术》期刊2005年11期）
王习武[10]（2004）在《BP模型在地下厂房顶拱裂缝开度预测中的应用》一文中研究指出应用BP人工神经网络模型,采用输入层包括前一个月的裂缝观测值和当月的温度值2个神经单元,一个隐层(2个神经单元),一个输出神经单元(本月裂缝值)的简单结构,对四川省映秀湾电站地下厂房顶拱裂缝的观测进行了预测分析。对7条测缝各47个月份的实测裂缝开度资料,将40组裂缝观测值用于权值学习,并用其余7组进行了预测检验,结果表明,应用这种方法预测厂房顶拱裂缝精度较高,方法简单、可行。(本文来源于《工程建设与设计》期刊2004年02期）
裂缝开闭模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
安全监测是确保水利工程安全运行的重要措施,监测模型是安全监测分析的重要工具,在水库大坝中应用广泛,然而相关理论和研究在港口码头方面应用较少,鉴于港口码头工作环境及工作性态与水库大坝不同,亟需研究符合码头自身工作特点的安全监测模型。针对高桩码头裂缝效应量和原因量的变化规律,选取温度、风、堆荷和时效分量为高桩码头裂缝的主要影响因素,探讨了相应的因子表达形式;在此基础上,建立了高桩码头裂缝开合度监测的统计模型和最小二乘支持向量机模型,研究了模型评价方法,对监测序列进行拟合和预测,验证了模型的有效性和合理性。结果表明,所建立的高桩码头裂缝开合度模型具有较高的精度和一定的预测能力,可为分析高桩码头裂缝监测资料,以及监控高桩码头安全提供科学依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
裂缝开闭模型论文参考文献
[1].邱莉婷,沈振中,马福恒,聂柏松.MLR-Legendre多项式模型在混凝土坝裂缝开度预测中的应用[J].水利水运工程学报.2019
[2].陈旭东,李俊杰,霍中艳.高桩码头裂缝开合度监测模型研究[J].水利水运工程学报.2017
[3].钟黎雨,刘天祥,夏天倚,陶亮,孙斌斌.基于融合型WNN的大坝裂缝开合度预测模型研究[J].中国农村水利水电.2015
[4].古力米热·哈那提,美丽古丽·买买提,孟波.基于主成分与广义回归神经网络耦合的寒区水库裂缝开合度预测模型[J].干旱区地理.2011
[5].张福明,陈义国,邵才瑞,李世川.基于双侧向测井的裂缝开度估算模型比较及改进[J].测井技术.2010
[6].张立新,蒋裕丰,董良.基于蚁群神经网络的裂缝开合度预测模型[J].水力发电.2010
[7].刘健,程森.基于灰色理论的基岩裂缝开度尖点突变模型[J].武汉理工大学学报.2009
[8].俞小敏,瞿威飞,蒋裕丰.基于RBF神经网络的裂缝开度预测模型[J].黑龙江水专学报.2009
[9].包腾飞,吴中如.混凝土裂缝开度混合预测模型[J].水利水电技术.2005
[10].王习武.BP模型在地下厂房顶拱裂缝开度预测中的应用[J].工程建设与设计.2004
标签：混凝土坝; 裂缝开度; Legendre多项式; RLS自适应算法;