1、本文為滿足大壩安全監(jiān)測的需要,在總結歸納前人在統(tǒng)計模型研究成果的基礎上,針對最小二乘回歸方法需要大量觀測資料、模型精度不高、不能實時觀測等缺點,以Kalman濾波技術、小波分析、BP神經網絡理論為依據,提出小波多尺度Kalman濾波回歸統(tǒng)計模型和基于高階非線性Kalman濾波的BP神經網絡在線訓練方法,并通過工程實測資料的分析驗證了模型的正確性和可行性. 主要研究內容及成果如下: (1)回顧了前人在統(tǒng)計模型方面的研究成果

2、及常用的幾種統(tǒng)計建模方法,將這些方法--對比,找出其各自優(yōu)缺點及適用范圍. (2)以Kalman濾波技術為理論基礎,建立Kalman濾波回歸統(tǒng)計模型,由統(tǒng)計模型構造狀態(tài)方程和觀測方程,使最小二乘估計問題轉換成Kalman濾波狀態(tài)估計問題.研究表明,該模型利用Kalman濾波為估計問題提供的遞推形式解,可將建模過程簡化為只要根據上一時段狀態(tài)值和當前的觀測值就能方便的在線更新狀態(tài),因而它是一種高效在線建模的新方法.工程實例分析表明,

3、當Kalman濾波的模型參數計算方法選擇合理,濾波結果很快就會穩(wěn)定,而且濾波狀態(tài)向量(回歸系數)的變化也可以評價大壩的安全狀態(tài). . (3)由于儀器故障和其他方面的復雜因素,大壩實測數據往往會出現奇異值和很大的噪聲,有時真實的信息甚至會被噪聲淹沒.鑒于此,本文提出將Kalman濾波與小波多尺度理論結合起來,建立小波多尺度Kalman濾波回歸統(tǒng)計模型.兩者在消除大壩原型觀測數據的噪聲干擾上存在互補性,使模型可以應用于噪聲含量較高的

4、情況,擴展了Kalman濾波的應用范圍,也提高了模型的預報精度. (4)由于Kalman濾波回歸統(tǒng)計模型屬于線性模型,而大壩是一個復雜的非線性系統(tǒng),因此,針對這一特點本文將Kalman濾波為估計問題提供遞推形式解和BP神經網絡模型優(yōu)異的非線性映射能力兩種方法的特點相結合,建立BP神經網絡與高階非線性Kalman濾波的大壩監(jiān)控模型.由于它克服了BP算法訓練時間長、收斂速度慢、需要反復迭代的缺點,而且監(jiān)控模型非線性程度高,因而是一種