摘要：针对现有大坝渗流安全监测数据异常检测方法存在检测效率和精度较低的不足,以及在异常阈值拟定过程中大多未能综合考虑监测数据随机性和模糊性的问题,提出大坝渗流安全监测数据异常检测的改进深度稀疏自编码器(deep sparse autoencoder,DSAE)模型。在以奇异谱分析方法提取监测数据残差分量的基础上,采用基于混沌初始化和非线性飞行速率改进的天鹰优化(improved Aquila optimization,IAO)算法对DSAE的超参数进行优化,建立IAO-DSAE模型,实现对监测数据残差分量的高精度重构;然后,在异常阈值的拟定过程中,将逆向云算法中的期望和熵值分别替代传统3σ法中的均值和标准差,以综合考虑监测数据的随机性和模糊性对异常阈值拟定的影响,提高异常检测结果的可靠性。工程案例研究表明,相比于基于统计模型法和3σ法的异常检测方法,根据所提方法处理后的渗流安全监测数据建立的预测模型,预测精度的平均提高幅度分别为5.56%和6.99%,验证了所提方法的有效性。

摘要：大坝渗流安全综合评价的评价指标赋权方式多基于专家群决策方法,此方法没有考虑人为决策时存在的犹豫心理和不确定性问题。为此,提出了一种基于犹豫云语言术语集的专家群决策主观赋权法。通过构建犹豫模糊术语集,并将之转化为犹豫云模型,使得专家在决策时可以同时给出数个犹豫云评价术语,解决了人为决策时存在的犹豫性和不确定性问题。同时,采用基于加速遗传算法优化的投影寻踪客观赋权法和基于最小相对熵原理耦合主客观赋权的综合赋权方法,并结合有限区间云模型构建完整的土石坝渗流安全评价方法。案例分析表明:基于犹豫云语言术语集的专家群决策主观赋权法相较于传统主观赋权方法可以更好地表达犹豫信息,其评价结果可以较为真实地反映西南某水电站的渗流安全状态,为实际工程管理提供依据。