摘要：建立混凝土坝高精准变形预测模型是掌握坝体结构服役性态的关键,而其变形监测数据具有复杂的非线性和非平稳特征,会影响预测模型的精度及泛化能力。针对上述问题,引入鲸鱼优化算法(WOA)和包络熵理论自适应寻优变分模态分解(VMD)参数,根据最佳参数组合多尺度分解变形数据,得到多个不同特征尺度的本征模态函数(IMF)。通过重构分量为新分量,将新分量分别输入极端梯度提升(XGBoost)模型中进行预测,叠加各预测结果得到最终预测值。基于山口岩碾压混凝土拱坝变形监测数据,开展支持向量回归机(SVR)、随机森林(RF)、XGBoost、WOA-VMD-XGBoost等4种模型的精度、泛化能力对比研究。结果表明:相比于单一预测模型,组合模型有效挖掘了变形信号多尺度特征,降低了非线性、非平稳性对模型性能的影响,在精度、泛化能力中表现出更高性能。该组合模型为大坝变形监测提供了理论依据和应用参考。

摘要：随着大坝安全监测向自动化、智能化和高精度化发展,统一管理监测数据,提升系统的跨平台性、兼容性和易维性已成为提高大坝安全监测信息化管理水平的关键。归纳分析大坝安全监测常用的电阻式、差阻式、振弦式等传感器参数及监测变量信息,设计数据标准化导入模板。基于前后端分离开发模式,采用***+Django框架,运用RESTful API统一功能接口。开发集多类型数据源的导入、预处理、查询及报表快速生成等功能的信息管理系统,实现监测数据的集中规范化管理。研究成果已应用于某水电站,显著提高了大坝安全监测信息管理的效率,可在类似工程中推广应用。