考虑混凝土坝位移动力突变盲点的安全监控模型.pdf

第l 4 4卷 第 1 3期 2 0 1 3 年 7 月 人 民 长 江 Ya ng t z e Ri v e r Vo 1 44 No 1 3 J u l y ， 2 0 1 3 文章编号 ： 1 0 0 1 4 1 7 9 ( 2 0 1 3 ) 1 3 0 0 5 8 0 5 考虑混凝土坝位移动力突变盲点的安全监控模型 黎 良 辉 ， 魏 博 文 ， 徐 镇 凯 ( 1 南昌大学 建筑工程学 院， 江西 南 昌 3 3 0 0 3 1 ； 2 河海大学 水利水电学院， 江苏 南京 2 1 0 0 9 8 ) 摘要 ： 针对坝体位移时 间序列 中出现数据跳跃的现 象， 基 于动 力学互关 因子指数法与云模型理论 ， 提 出了一种 能准确辨 识大坝位 移时间序 列中动 力 突变盲点位置 的诊 断 方法 ， 并 构建 了考 虑动力 突变盲点 的混凝 土坝位 移安全监控模型。基于不确定性 动力 系统对大坝位 移的演化分析 ， 综合运 用相空 间重构 、 云模型及 小波分析 等数值处理方法 ， 从所辨识数值序列 中的动 力突变盲点 出发 ， 研 究 了对大坝 工作性 态转异进行预 测诊 断 的方 法。工程 实例表明 ， 该 方法能找 准对应位移的动 力突变盲 点， 可避免动 力突 变盲 点对大坝位移序 列的不利 影 响 ， 提 高了大坝位 移安 全监控模 型的可靠性和科 学性 。 关键词 ： 位移 ； 动 力突变；盲点；监控模型 ；混凝 土坝 中图法分类号 ： T V 6 4 2 文献标 志码 ：A 混凝土坝作为一种重要的挡水建筑物 ， 其安全监 控 已成为国内外学者研究热点， 而在对运行期大坝的 原位观测资料分析中， 发现其监控指标受环境影响较 大 ， 尤其是受库区地震 、 泄水振动等动力作用影响， 导 致大坝监测时间序列资料 出现间断性跳跃 ， 具有较强 非线性动力学特性并存在许多不确定性混沌噪声。对 此 ， 吴中如、 顾冲时等人在这一领域做了大量的研究工 作 ， 而以往的研究成果大多从材料蠕变时效、 环境 降雨等角度来考虑监控模型的重构和对整个监测序列 的优化分析 ， 没有真正考虑到振动荷载对大坝监测数 据 内部动力学系统的改变 ， 以致大坝整个监测资料 时 间序列中动力突变效应量被遗弃 ， 从而导致基于整个 监测资料时间序列建立的大坝安全监控模型预测能力 受限， 这势必影响对大坝安全的准确定量与定性评判 。 为了建立一种可从数值序列中提取混沌成分， 且 能辨识动力突变测值位置 的系统诊 断方法 ， 本文基于 不确定性动力系统对大坝位移的演化分析 ， 在分析 混凝土坝位移与相关影响因子的基础上 ， 建立安全监 控预报模型 ； 通过对监测数据归一后拟合 ， 找出其混沌 残差 ， 即虚残差 ； 然后通过对虚残差进行相空间重构 ， 并利用云模型 和动力学结构突变理论 ， 诊断出原 时间序列中的动力突变盲点 ； 在 已知动力突变盲点的 基础 上 ， 选 取最 近一 次动力 突变 后相 对稳 定时 间序列 ， 来验证考虑动力突变影响的混凝土坝位移安全监控模 型的有效性和科学性。工程实例 中， 从不 同的角度说 明了该方法能较好地消除动力突变盲点对大坝位移安 全监控的不利影响， 对于大坝位移安全监控工作具有 一 定的研究价值和实用意义。 1 混凝土坝位移动力突变盲点的辨识方法 由于混凝土坝处在复杂外 因作用下 ， 尤其是振动 作用 ， 对其位移监测时间序列分析可知 ， 其位移效应量 除与水头 、 温度及蠕变确定性影响因子有关外 ， 尚存在 诸多外界未知因素及 内部 自身缺陷所导致 的混沌与噪 声。为提取大坝位移时间序列中混沌分量的动力效应 量 ， 需首先建立其相应位移残差分析模型 ， 然后对其位 移残差分量进行相空间重构 ， 再利用动力学互关 因子 指数法与云模型理论 ， 来辨识 大坝位移残差 时间序列 收稿 日期 ： 2 0 1 3 0 1 1 0 基金项 目： 国家自然科学基金重点项 目( 5 1 1 3 9 0 0 1 ) ； 国家自然科学基金 资助项 目( 5 1 0 7 9 0 4 6 ， 5 0 9 0 9 0 4 1 ， 5 0 8 0 9 0 2 5 ) 作者简介 ： 黎 良辉 ， 男， 副教授 ， 主要从事 水工结构 工程研 究。E ma i l ： d a m s a f e 1 6 3 c o rn 通讯作者 ： 魏博文 ， 男， 讲师 ， 博 士， 主要 从事水工结构安全监控研 究。Em a i l ： b w w e i n e u e d u e n 第 1 3期 黎 良辉 ， 等 ： 考 虑混凝土坝位移动力突 变盲点的安全 监控模 型 5 9 中的动力突变盲点。 1 1 位移虚 残差分析及 其相 空间重构 运行期混凝土坝受复杂荷载作用 ， 其传统监控模 型的位移效应量 6一般 主要 由水压分量 6 温度分量 艿 和时效分量 。 组成。 考虑到其效应量中存在混沌与 噪声成分 ， 特引入位移虚残差变量 ， 其位移虚残差分 析模 型 表示 为 = 一 ( H+6 r+ 。 ) ( I ) 式中， 大坝位移虚残差 由实测序列值与传统统计监 控模型拟合序列值之 间的差值获得 。 为揭露位移虚残 差中的混沌分量 的动力学规律 ， 避免由于大坝 内部动力演化导致残差相空间中新吸引 因子的出现 ， 引入动力学相关 因子指数法 ， 该法 可 以对大坝在多因素复杂环境作用下的动力学结构进行 分析 ， 以深入了解大坝的演变过程。 混沌动力学研究表 明 ， 系统任意分量的演化由与之相互作用的其它分量 决定 ， 使用重构变换从 系统 的某一输 出变量的时间序 列 提取 系 统 的动力 学 特 性 ， 所 得 到 的状 态 轨迹 保 留 了 原空间状态轨迹的最主要的特性 。 分析大坝位 移虚残 差序列时 ， 通过传统模 型回归分析来获取其一维混沌 时间序列 ， 即 8 ( t ) ，t=1 ， 2， ， 。 由于混沌时间序 列的预测是建立在高维相空 间重构 的基础上 ， 需对虚 残差序列 占 ( t ) 进行相空间重构 ， 将原有序列延拓成 m维相空间的一个相形分布 ， 其表达式为 X = ( t ) ， ( t + ) ， ， t +( m 一1 ) 丁 ( 2 ) 式 中 。 =k A t 为 时 间延 迟 ， k ( k= 1 ， 2 ， ， t )为延 迟 参 数 ， 为采样 间隔时 间 ； m 为嵌 入维 数 ； i 为 m 维相 空 间 中的 相点 ， i 取 1 ， 2 ， ， M ； M =N一( m 一1 ) 为相 点个数。 需要指 出的是 ， 嵌入维数 m的确定与关联维数有 关 ， 可根据 G r a s s b e r g e rP r o c a c c i a方法进行选取 ， 而时间延迟 可由互信息确定 。 据此， 当嵌入维数 m 和时间延迟 确定后 ， 虚残差序列即可重构为如式( 2 ) 所示 的( N k ( m I ) )X m维的向量矩阵。 1 2 位移虚 残差序列 中突变盲点 的提取 基于上述 位移虚残差 动力突变盲点 的相空 间重 构 ， 为准确地提取残差序列 中的突变盲点 ， 需综合利用 动力 学互 相关 因子指 数法 与 云模 型理论 辨识 出大坝 位 移时间序列中的动力突变转异点。对于残差重构的相 空间， 可将集合 的 自关联和与集合 X、 Y的交互关联 和分 别定 义 为 C ( )=P (1l 一 ) = 2 N k ( m 一1 )一1 一k ( m 一1 ) V 一 L m 一1 J一1 v ( m I) ： ：F ( lJ 一 ) ( 3 ) j - 一 i +l C ( y )=P (I I X 一 ll y ) = 2 。 ， ， 一V N k ( m 一1 ) N k ( m 一1 ) N一 ( m一1 ) 一 ( m 一 1) F( 7一 ll 一 l 1 ) ( 4 ) i =1 j 一 i +l 式中， c 肼( y ) 表示在重构空间里 距离内找到 邻近 点 的概率 ； C ( y ) 关于集合 和集合 l ， 是对称的 ， 表示 在 的 邻域 内找到点 y f 的概率； F( - )为 H e a v i s i d e 阶跃函数 ， 满足当 0时 ， F( )=0 ( 反之为 1 ) 。 在计算上述关联和 c 删( y ) 、 C ( T )过程 中， 采用 G a u s s i a n函数替代 He a v i s i d e函数可以克服 H e a v i s i d e 阶跃 函数 的刚性边 界影 响。 相关研究表明 1 2 ， 自关联 和 c 删( )与交互关联和 C ( ) 具有一定的区分潜在 动力学的能力 ， 但远不能作为识别混沌 时间序列之间 相近性的最重要的标志。 一个复杂的时间序列可能是 由一些相互耦合的动力学共 同作用产生 ， 若把时间序 列分成若干具有一定宽度 的窗 口， 则突变点就在一个 动力学属性窗 口向另一个 动力学属性窗 口转变处产 生。 因此 ， 为鉴别时间序列 的动力学属性 ， 需定义动力 学互 相关 因子 指数 尺 ， 1 ， 一 、 尺 ： 1 i m I l n 一I ( 5 ) c 删( y ) c ( y ) 需要指出的是 ， 若 统计上是足够小的， 那么集合 和集合 y 具有完全相同的动力学属性 ； 反之集合 和 集合 l ， 的动力学属性并不是完全相同的。 利用 不仅 能直接测量混沌时间序列之间的“ 距离” ， 还能有效地 区分不同的动力学系统 ， 尤其是它能解决大坝位移监 测序列较短的问题。 式( 5 )中的动力学互相关 因子指 数 只表明了不同时间序列动力学上的差异性 ， 但不 能表征大坝的转异程度 ， 为此 ， 本文借助云模型中多次 产生的云滴来综合反映这个定性概念的整体特征 ， 其 中， 云滴是某个定性概念的一次随机实现。 而对于动力 学互相关因子指数序列 R ， 可设 为 的隶属函 数 ， 则 ( R ， Y ) 为一 个云滴 。 从 而 ， 以 个 云滴在 数域 空 间的定量位置及每个 云滴代表概念 的确定度 为输 入 量 ， 采用逆向云发生器算法 ， 求解云模型的 3个特 征值 E ( 期望 ) ， E ( 熵) ， 日 ( 超熵) ， 即可得 到云期望 曲线方程。 据此 ， 在给定大坝转异显著性水平 O t 后 ， 可 获得互相关因子指数的临界值 ， 从而确定 大坝位移突 变 点位 置 。 基于上述分析 ， 提取大坝位移监测序列的动力突 变盲点的步骤为 ： 利用大坝位移安全监控传统模型 对原始监测数据进回归拟合 ， 由式 ( 1 )得到对应时间 人 民 长 江 的虚残差序列 ( ) ， t =1 ， 2 ， ， J7 、 r ； 然后取一宽度为 n的滑动窗口 ， 对虚残差序列 占 ( t ) 中 n 至 J v一 t 各 点左右窗口依次进行相空间动力学重构。 计算两相 邻 窗 口的 自关联 和 C ( y ) 、 C ( )以 及互 关 联 和 C ( y ) ， 再 根据 式 ( 5 )求 取 互 相 关 因子 指 数 序 列 R ( i ) ， i=n ， n+1 ， ， Nn 。 对 R 采用逆向云 发生器算法， 求得云模型的3 个特征值 E ， E ， 。 ， 从而 得到云期望曲线方程 ； 然后在给定大坝位移转异显著 水平 a的情况下， 求得互相关 因子指数 R的临界值 。 当互关因子指数 R大于其临界值时， 对应地将大坝位 移监测时间序列分割为若干表征不同动力学结构的子 序列 ， 其 中各个子序列在当前显著性水平下被认为是 一 个稳定的动力系统。 2 考虑动力突变的位移安全监控优化模型 由于运行期混凝土坝不可避免地会受到外界不确 定性动力影响而产生位移的动力突变， 又或者在其内 部由劣性引发的扰动性测值突变 ， 在此皆可划分为动 力学属性改变的范畴。为此 ， 在建立混凝土坝位移安 全监控模型时 ， 考虑 因动力突变盲点引起的动力学属 性的改变， 能显著提高监控模型预测结果 的准确性 。 基于上述提 出的混凝土坝位移动力突变盲点诊断方 法 ， 将大坝位移监测时间序列分解为动力结构稳定的 子序列 ， 依据当前大坝的动力结构对其下一个时期进 行预测 ， 会显著提 高大 坝位移监控模 型的预测水平。 据此 ， 选取大坝位移监测效应量序列中最近一次动力 突变后相对稳定序列作为研究对象， 并考虑其位移监 测序列 中的混沌分量 6 ， 可得其位移安全监控优化模 型为 6=6 H+艿 r+6 日+6 c ( 6 ) 式中， 由文献 7 可知 ， 水压分量 6 可由坝前相对水深 的 14次方表示 。 在时空分析中， 大坝的水平位移呈 较明显的年周期变化 ， 特别是已运行多年的老坝， 坝体 温度场已基本稳定 ， 其主要受气温变化的影响， 其温度 分量 艿 可选用周期项因子模拟温度场对大坝位移变 形的影响 ， 即将坝体混凝土 内任一点 的温度变化用周 期函数表示。 而对于时效变形， 其原因极为复杂 ， 需综 合考虑坝体混凝土与基岩的徐变 、 蠕变 以及岩体地质 构造的压缩变形等 ， 故时效分量 6 可选取一假定复合 函数来加以描述 。 基于上述理论分析 ， 可将上述考虑动力突变的大 坝位移安全监控优化模型的实现步骤归纳如下 ： ( 1 )以测值坝段所处动力结构下的子序列 为 基础 ， 根据实测资料 ， 利用传统统计监控模型进行 回归 分析，以确 定 各 回归 系 数 ， 进 而 得 到虚 残 差 序 列 。( t ) ， 其中虚残差序列中包含混沌成份和随机成份。 ( 2 )分离虚残差序列 中的混沌成分 。 首先对虚残 差序列进 行相 空间重构 ， 利用 式 ( 3 )计算 自关联 和 C ( y) ， 当 y一 0时 ， G 删( )与 的关系为 l i m C 删( )O C ( 7 ) 若恰当地选取 y， 可将奇异吸引子的子相似结构 D 表示为 D 2：l o g C ( 7 ) l o g y ( 8 ) ( 3 )针对实际工程中混沌信号低频及噪声 高频的 特征 ， 利用小波多尺度分析法将函数， ( t )E L ( R)依 次投影到不同分辨率 的正交小波空间 上进行分 析 ， 可将位移虚残差序列中的混沌和噪声混合量正 交小波分解为 占 = ， ( ) +d i, o ( ) EZ i = 1 k EZ ， ( f )：2 - j z 咖( 2 。 一 ) ( 9 ) q h , k ( )=2 ( 2 t 一|j ) 式中， 咖 ( t ) 与 ( t ) 分别为尺度空间和小波空间的 一 组 正交基 。 另外 ， 需特别指出的是 ， 倘若混沌时间序列中包含 噪声成分 ， 则在噪声影响 占主要地位的区域计算得到 的关联维数 D： 是发散的； 相反 ， 在混沌成分 占主要地 位的区域计算得到的关联维数 ： 是收敛 的。 故可以根 据关联维数 D ：随着嵌入维数 m的收敛性来判断某一 时间序列是噪声还是混沌 占主要成分的。 因此 ， 基于混 沌及噪声成分在关联维数 D 上的不同表现 ， 可以将大 坝中混沌及噪声 混合分 量 艿进行 有效 地分离 ， 得到 6 。 ( 4 )以 一 为基础数据 ， 回到步骤 1 ， 得到虚 残差序列 ： ( t ) ， 进而根据步骤 2 ， 可得到一个新的混 沌分量 6 。 如此循环 ， 可得到一系列混沌分量 6 ， ， ，6 ，当满足下式时停止迭代 G ： 1 0 0 I O U o o t ( 1 0 ) T 一 L l u I uc ff 式中， Il表示某一选定的范数 ， 例如向量的 P范 数 ； a为设定的容许精度 。 ( 5 )依据所建立的位移监控模型( 式6 ) 对大坝位 移进行预测分析， 其 中对混沌分量 6 的预测， 必须保 持混沌动力系统吸引子 的拓扑结构 ， 因此可 以采用局 域零 阶近似模型或根据最大 L y a p u n o v指数进行预测。 3 工程实例 3 1 工程概况 某混凝土三心圆双曲拱坝 ， 位于地质结构较为 ： 第 1 3期 黎 良辉 ， 等： 考虑混凝土坝位移 动力 突变盲点的安全监控模 型 6 l 育的黄河上游河段 ， 基础 的地质条件复杂 ， 基岩 由震 旦系黑云更长质条带混合岩及黑云绿泥石闪斜长片岩 组 成 ， 其 间穿 插 有 花 岗伟 晶岩 脉 ， 断 裂 较 为发 育 。 该坝左岸为重力墩 ， 最大坝高 1 5 5 m， 厚高 比 0 2 9 ， 坝 顶轴线长 4 1 4 m， 最大底宽 4 5 0 m， 坝顶基本宽度 为 8 m， 共设有 l 8个 坝段 。洪水设计年限为 l 0 0 0 a一 遇 ， 入 库 洪 水 流 量 为 4 9 4 0 m s ， 相 应 库 水 位 2 1 8 1 3 m； 正 常蓄水 位 2 1 8 0 m， 相应 库容 1 6 3亿 m ， 死水位 2 1 7 8 m， 调节库容 0 6亿 m ， 为 日调节水 库。电站设计水头 1 2 2 m， 最大水头 1 3 5 6 m， 最小水 头 1 1 4 5 m。 3 2 计算 结果分析 为验证本文所述理论方法 的有效性与科学性 ， 选 取该拱坝拱冠梁所处坝段的水平位移监测资料来进行 分析。鉴于该拱坝在服役期 间进行过加固处理 ， 由于 施工影响、 电源不能保证等因素影响， 造成测值时间序 列的不连续 ， 为此 ， 本文选 取该 坝段垂 线测点 P L 32 ( 2 1 5 0 m高程处) 在 2 0 0 2年 2月 1 0日至 2 0 0 5年 1 1 月 1 6日的径向位移测值序列进行分析 ， 取前 1 2 3 5个 数据训练 ， 剩下 1 4 1个数据来检验。先 由大坝位移监 控传统统计模型对测值序列进行逐 步回归拟合 ， 得到 其复相关系数为 0 8 9 3 ， 并 由式( 1 ) 可得到其位移虚残 差序列值 ， 如图 1 所示。 图 1 测 点切 向 位 移 传 统 统 计 模 型 实测 拟 合及 残 差 序 列 在上述位移虚残差序列提取 的基础上 ， 依据动力 学结构突变理论及云模型对 虚残差序列进行 突变诊 断 ， 计算中取宽度 =1 0 ， 嵌入维数 m ：5 ， 延迟时间 =4 ， 值等于时间序列标准方差 的 1 5倍。 从而 由式 ( 5 ) 求得 动力 学互 关 因子 R ( 一 般 服从 正态分 布 特 征) ， 取突变显著水平 O t= 0 0 5， 并 由云模型理论的逆 向云发生器对其突变与否进行诊断 ， 从而得到大 坝位 移监测时间序列 中的突变盲点 。诊 断结果表明 ， 整个 监测序列共被检测出 3个动力结构突变盲点 ， 对应突 变时间分别为 2 0 0 3年 1 0月 2 4日、 2 0 0 4年 3月 1 2日 和 2 0 0 4年 4月 2 6日， 根据监测 日志 ， 大坝在 2 0 0 3年 1 0月 2 4日与 2 0 0 4年 4月 2 6日分别有过泄洪 ， 所 以有 可能是由于大坝泄洪而导致 动力结构突变盲点 ， 但也 不排 除是 由于其 他不 确 定 动力 因素造 成 的。利 用 2 0 0 4年 4月 2 6日以后 的监测 数据作为子序列 ， 采用 迭代法求解位移监控模型 ， 一般迭代 5次左右可达收 敛条件 。 为验证本文所提位移监控模 型的有效性， 采用传 统统计模型对监测全序列和 2 0 0 4年 4月 2 6日以后的 监测子序列进行拟合 比对分析。拟合结果表 明， 利用 本文位移监控模型产生的残差序列 曲线最为平缓 ， 其 对子 序 列 拟 合 的 相 对 误 差 绝 对 值 的平 均 值 仅 为 2 6 9 ， 而利用传统统计监控模型对监测全序列和子 序列拟合的相对误差绝对值 的平均值分别为 5 4 3 和 4 1 5 ， 也说明在位移监控建模 中考虑动力突变混 沌影响是正确的， 从而也佐证 了动力盲点辨 识的准确 性 。 为综合评判模 型预报结果的准确性 ， 并分析 比较 不同情况下上述位移监控模型对历史样本 的拟合 效 果 ， 本文引入 3个统计评价指标 引： 平均绝对百分 比 误差 MA P E、 均方误差 MS E和平均绝对误差 MA E来进 行定量 比较 ， 表 1给出了 3种情况下监控模型统计评 价指标计算结果。由表 1与图 1可知 ， 考虑动力突变 的位移监控模型的拟合效果明显优于传统统计模型 ， 通常统计模型的拟合参数效果较好 ， 但是其实际预报 能力不一定与拟合效果一致 。为进一步评价本文位移 监控模型 的实际预报能力 ， 利用检验样本来进行预报 精度 比较 。由表 2可知 ， 在全序列和子序列中， 本文位 移监控模型预报精度明显优于传统统计模型 ， 其主要 原因是动力突变模型能有效地 区分子序列中混沌和噪 声分量 ， 并能合理地预测未来时段内混沌分量 ； 传统统 计模型在全序列 中训练预报精度不如在子序列中的训 练效果 ， 其主要原 因是全序列中动力突变盲点的影响。 表 1 3种预测模型评价指标 比较 4 结 论 本文基于理论和实际工程资料 ，提出了一种能有 6 2 人 民 长 江 2 0 1 3正 表 2 3种方案 中预测模型预报精度的 比较 效辨识大坝位移时间序列中动力突变盲点位置的诊断 方法 ， 客观地揭露了大坝位移监测序列 中的动力突变 演化规律 ， 并通过具体实例验证 了所建模型方法的正 确性和可靠性。主要结论如下 ： 根据不确定性动力 系统对大坝位移的演化分析 ， 综合运用云模型与相空 间重构数值处理手段 ， 能较好地辨识出大坝位移监测 数值序列中动力突变盲点。 利用小波理论从位 移 虚残差中分离出混沌分量的方法是可行 的， 并将其运 用于考虑动力突变影响的位移监控模 型中， 能有效地 提高位移的预报精度 。 本文提 出的分 析方法和模 型 ， 经实例考证 ， 能较好地分析复杂情况下混凝土坝位 移监测序列特征并消除或削弱动力学结构突变对测值 序列的影响 ， 也可推广应用于面板堆石坝 、 高边坡等位 移 、 渗流及沉降等的监控分析。 参考文献： 1 牛景太 基 于混沌理论和突变诊 断的高边坡变形预测模 型 J 人 民长江。 2 0 1 2， 4 3 ( 2 4) ： 8 69 O 2 顾冲时， 吴中如 。 徐志英 用 突变理论分析 大坝及岩基稳定性 的探 讨 J 水利学报 ， 1 9 9 8 ， ( 9 ) ： 4 8 5 1 【 3 郑 东健 。 顾冲时， 吴中如 边坡 变形的 多因素时变预测模型 】 岩 石 力学与工程学报 2 0 0 5 2 4 ( 1 7) ： 3 1 8 0 3 1 8 4 4 顾冲时 。 李 占超， 徐波 基 于动力 学结构突变的混凝土坝裂缝转异 诊断 方法研 究 J 中 国科 学： 技 术科 学 ， 2 0 1 1 ， 4 1 ( 7) ： 1 0 0 0一 l 0 0 9 5 赵岩 ， 张亚辉 ， 林家浩 不确定动 力系统平稳随机响应分析 J 计 算力学学报 ， 2 0 0 9 ， 2 6 ( 2 ) ： 2 0 4 2 0 9 【 6 王腾 军， 杨海彦 。 杨志强 基于云模 型的大坝变形监测数 据分析研 究 J 测绘通报 ， 2 0 1 2， ( 2 ) ： 2 3 2 5 7 昊中如 水工建筑物安全监控理论及其应 用 M 北 京： 高等教育 出版社 2 0 0 3 8 李春 贵， 裴 留庆 一种识 别 混沌 时 间序列 动 力学 异 同性的 方法 J 物理学报 ， 2 0 0 3 ， 5 2 ( 9 ) ： 2 l 1 4 2 1 2 0 9 周创兵 ， 陈益峰 基 于相空 间重构的边坡位移预测 J 岩 土力学， 2 0 0 0 ， 9 ， 2 1 ( 3 ) ： 2 0 5 2 0 8 1 O A l b a n o A M。 Mu e n c h J ， S c h w a z C S i n g u l a r v a l u e d e c o m p o s i t i o n a n d t h e Gr a s s b e r g e r Pr o c a c c i a a l g o ri t h m ， P h y s Re v A ，1 9 9 8， ( 3 8 ) ： 3 0 1 7 3 0 2 6 1 1 Wa l e s D J c a l c u l a t i n g t h e r a t e o f i n f o r ma t i o n f r o m c h a o t i c t i m e s e ri e s b y f o r c a s t i n g J N a t u r e ， 1 9 9 1 。 3 5 0 ( 6 3 1 8 ) ： 4 8 5 4 8 8 1 2 G r a s s b e r g e r P， P me a c c i a I Me a s u ri n g t h e s t r a n g e n e s s o f s t r a n g e a t - t r a c t o r s J P h y s D： N o n l i n e a r P h e n o me n a ， 1 9 8 3 ， 9( 12 ) ： 1 8 9 2 0 8 1 3 吕辉军， 王哔， 李德毅 ， 等 逆向云在 定性评价 中的应 用 J 计算 机学报 ， 2 0 0 3， 8 。 2 6 ( 8 ) ： 1 0 0 91 0 1 4 1 4 Ma l l a t S A t h e o r y f o r m u h i r e s o l a t i o n s i g n a l d e c o m p o s i t i o n ： t h e w a v e - l e t r e p r e s e n t a t i o n I E E E T r a n s o n P A MI ， 1 9 8 9 ， 1 l ( 7 ) ： 6 7 46 9 3 1 5 徐洪钟 ， 昊中如 ， 李雪红 相空 间神 经 网络模 型在 大坝安全监控 中的应用【 J 水利 学报 ， 2 0 1 2 ， ( 6 )： 6 77 4 ( 编辑 ： 郑 毅) Sa f e t y mo n i t o r i ng mo de l f o r c o n c r e t e da m c o n s i d e r i n g bl i n d s po t i n d y na mi c mu t a t i o n o f d e f o r ma t i o n L I L i a n g h ui 。 ，W EI Bo we n ， XU Zh e n k a i 。 ( 1 C o l l e g e o f C i v i l E n g i n e e r i n g a n d A r c h i t e c t u r e ， N a n c h a n g U n i v e r s i t y ， N a n c h a n g 3 3 0 0 3 1 ， C h i n a ； 2 C o l l e g e of W a t e r C o n s e r - v a n c y a n d Hy d r o p o w e r E n g i n e e r i n g， Ho h a i Un i v e r s i t y ， Na n j i n g 21 0 0 9 8， C h i n a ) Abs t r ac t： Fo r t he p h e no me n o n o f d a t a pu l s a t i n g i n t he o bs e r v e d t i me s e r i e s o f d a m de f o r ma t i o n，a d i a g no s i s me t ho d t h a t c a n a c c u r a t e l y i d e n t i t h e b l i n d s p o t o f d y n a m i c m u t a t i o n i n t h e d a t a s e r i e s i s p r o p o s e d ， a n d a d e f o rma t i o n m o n i t o ri n g m o d e l f o r c o n c r e t e da m c o n s i d e ring b l i n d s p o t o f d y n a mi c mu t a t i o n i s e s t a b l i s he d ba s e d o n d y n a mi c a l c r o s sc o r r e l a t i o n f a c t o r i n d e x me t ho d a n d c l o ud mo d e 1 On t he ba s i s o f e v o l v e me nt a n a l y s i s o n da m d e f o rm a t i o n u s i n g u nc e r t a i n d y na mi c s y s t e m，wh i l e c o mpr e h e n s i v e - l y a p p l y i n g n u me ri c a l me t h o d s o f p h a s e s p a c e r e c o n s t r u c t i o n ，c l o u d mo d e l ， wa v e l e t a n a l y s i s ，a d i a g n o s i s me t h o d t o p r e d i c t a b n o r ma l i t y v a r i a t i o n o f wo r k i ng s t a t e o f d a m i s e s t a b l i s h e d，f r o m t h e a s p e c t o f i d e n t i f y i n g d yn a mi c mu t a t i o n bl i n d s p o t i n de f o rm a t i o n s e ri e s P r o j e c t e x a mp l e s s h o w t h a t t h e me t h o d c a n fi n d o u t t h e d y n a mi c mu t a t i o n b l i n d s p o t i n o b s e rve d d a t a s e r i e s a n d e l i mi n a t e i t s a dv e r s e i n flu e n c e o n de f o r ma t i o n s e r i e s ，i mpr o v i n g r e l i a b i l i t y o f d a m s a f e t y mo n i t o r i n g mo d e 1 Ke y wo r ds：d e f o r ma t i o n；d y na mi c mut a t i o n；b i n d s p o t ；mo ni t o rin g mo d e l ；c o n c r e t e d a m