(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210628877.X (22)申请日 2022.06.06 (71)申请人 常州大学 地址 213000 江苏省常州市武进区湖塘镇 滆湖中路21号 (72)发明人 王少伟　隋旭鹏　刘毅　徐丛　 顾昊　徐波　夏群　 (74)专利代理 机构 常州市英 诺创信专利代理事 务所(普通 合伙) 32258 专利代理师 张秋月 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 利用实测温度的混凝土坝位移监控模型的 建模方法 (57)摘要 本发明公开了一种利用实测温度的混凝土 坝位移监控模型的建模方法， 包括： 步骤S1： 基于 初始的建模因子集建立初始的SVM模型， 初始的 建模因子集中的温度分量采用相应坝体的所有 有效温度测点的实测温度时间序列； 步骤S2： 计 算SVM模型中各建模因子的重要性评分； 步骤S3： 剔除重要性评分最低建模因子； 步骤S4： 基于剩 余所有建模因子， 建立新的SVM模型， 返回步骤 S2， 直至仅剩余1个建模因子； 步骤S5： 按照预测 MSE增幅首次超限准则找到最优实测温度因子 集； 步骤S6： 利用最优实测温度因子集， 建立最终 SVM模型。 本发明从繁多的温度测点中选择极少 数最具代表 性的温度测点， 在不影 响模型预测性 能的前提下， 尽可能地减少模型建模因子总数。 权利要求书3页 说明书8页 附图9页 CN 114969937 A 2022.08.30 CN 114969937 A 1.一种利用实测温度的混凝 土坝位移监控 模型的建模方法， 其特 征在于， 包括： 步骤S1： 基于初始的建模因子集建立初始的SVM模型； 其中， 所述初始的建模因子集包 括多个建模因子， 所述多个建模因子包括水压分量、 温度分量和时效分量； 其中， 所述温度 分量采用相应坝体的所有 有效温度测点的实测温度时间序列； 步骤S2： 计算SVM模型中各建模因子的重要性评分； 步骤S3： 剔除重要性评分最低建模因子后， 将剩余所有建模因子组建一个新的建模因 子集； 步骤S4： 基于新的建模因子集， 建立新的SVM模型， 判断新的建模因子集是否仅剩下一 个建模因子， 如果否， 返回步骤S2； 步骤S5： 将所有SVM模型的预测MSE中的最小值记为最小预测MSEmin， 从最小预测MSEmin 所对应的SVM模 型向后建的SVM模 型递推， 找到首次出现预测MSE≥(1+预设阈值)*最小 预测 MSEmin的SVM模型， 记为首次超限SVM模型， 将首次超限SVM模型中的所有实测温度时间序列 所构成的数据集作为 最优实测温度因子集； 步骤S6： 利用所述 最优实测温度因子集， 建立 最终SVM模型。 2.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 步骤S5和步骤S6之间， 还包括实测 温度因子剔除步骤， 所述实测温度因子剔除步骤包 括： 对所述最优实测温度因子集进行缩 减优化； 其中， 所述缩 减优化的准则为： 在两实测温度时间序列过程线接近重合， 且建模因子重要性评分相近的情况下， 若剔 除两者中重要性评分偏小者， 所建新SVM模型的预测MSE增幅相比于所述最小预测MSEmin不 超过所述预设阈值， 则将两者中重要性评分偏小者剔除。 3.根据权利要求2所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 在所述实测温度因子剔除步骤和步骤S6之间， 还 包括： 对最优实测温度因子集中位于坝顶和坝体下游面的实测温度时间序列进行小波去噪 处理。 4.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 步骤S2中， 所述SVM模型中各建模因子的重要 性评分表示为SV M模型的输 出f(xi)对输入 因子的偏导数， 当前SVM模型中第r个建模因子的重要性评分定义 为： 式中， f(x)为当前SVM模型的回归函数； n为训练集样本总数； l为当前SVM模型的建模 因 子总数。 5.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于，权　利　要　求　书 1/3 页 2 CN 114969937 A 2步骤S5中， 所述将首次超限SVM模型中的所有实测温度时间序列所构成的数据集作为 最优实测温度因子集， 包括： 如果首次超限SVM模型相对于最小预测MSEmin所对应的SVM模型， 建模因子减少 数大于 预设数量， 将首次超限SVM模型中的所有实测温度时间序列所构成的数据集作为最优实测 温度因子集。 6.根据权利要求5所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 步骤S5中还 包括： 如果首次超限SVM模型相对于最小预测MSEmin所对应的SVM模型， 建模因子减少 数不大 于预设数量， 将最小预测MS Emin所对应的SVM模 型中的所有实测温度时间序列所构成的数据 集作为最优实测温度因子集。 7.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 步骤S1中， 在混凝土坝为混凝土重力坝的情况下， 所述相应坝体为位移监测点所在坝 段； 在混凝 土坝为混凝 土拱坝的情况 下， 所述相应坝体为拱 冠梁坝段。 8.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 步骤S1和步骤S4中， 建立SVM模型的方法包括： 将建模因子对应的当日数值作为SVM模型的输入， 当日实测位移作为SVM模型的输出； 以相同的时间点， 将各建模因子和实测位移 的监测数据时间序列各自划分为两段， 分 别作为训练集和测试集， 所述训练集用于相应SVM模型的建模训练， 所述测试集用于计算相 应SVM模型的预测MSE； 其中， 所述预测MSE 定义为： 式中， δt和 分别为混凝 土坝位移的实测值和SVM模型 预测值； k 为测试集样本总数。 9.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征 在于， 所述SVM模型中建模因子的数 学表达式为： 式中， H为 当日上游库水深； Tj为选用的第j个坝体温度测点的当日实测温度值， N为选用 的坝体温度测点总数； θ＝t/100， 其中t为位移监测日到起始监测日的累计天数； f( τ )为阶 跃函数， τ为当前库水位稳定段的持续天数； ai、 bj、 c1、 c2、 d1和d2为模型回归系数； α＝EK1/ ηK1， β ＝EK2/ηK2， 其中EK1和EK2是坝体混凝土5参数型广义开尔文模型中的滞后弹性模量， ηK1 和 ηK2分别是粘滞系 数， 滞后分量的两项分别用 δHv1＝f( τ )·[1‑exp(‑α τ )]和 δHv2＝f( τ )· [1‑exp(‑β τ )]标记。 10.根据权利要求1所述的利用实测温度的混凝土坝位移监控模型的建模方法， 其特征权　利　要　求　书 2/3 页 3 CN 114969937 A 3