基于主成分和半参数的大坝变形监测回归模型

›› 2011, Vol. 32 ›› Issue (12): 3738-3742.

基于主成分和半参数的大坝变形监测回归模型

许昌^{1, 2}，岳东杰²，董育烦³，邓成发⁴

1.浙江水利水电专科学校市政工程系，杭州 310018；2.河海大学地球科学与工程学院，南京 210098； 3.中国水电顾问集团华东勘测设计研究院，杭州 310014；4.浙江省水利河口研究院，杭州 310020

收稿日期:2010-06-08 出版日期:2011-12-10 发布日期:2011-12-13
作者简介:许昌，男，1983年生，博士，讲师，主要从事工程测量和测绘数据处理方面的研究与教学工作
基金资助:
浙江省水利厅科技计划项目（No. RB1010）。

Regression model for dam deformation based on principal component and semi-parametric analysis

XU Chang^{1, 2}, YUE Dong-jie², DONG Yu-fan³, DENG Cheng-fa⁴

1. Department of Municipal Engineering, Zhejiang Water Conservancy and Hydropower College, Hangzhou 310018, China; 2. School of Earth Sciences and Engineering, Hohai University, Nanjing 210098, China; 3. East China Investigation and Design Institute, China Hydropower Engineering Consulting Group Corporation, Hangzhou 310014, China; 4. Zhejiang Institute of Hydraulics & Estuary, Hangzhou 310020, China

Received:2010-06-08 Online:2011-12-10 Published:2011-12-13

摘要/Abstract

摘要： 主成分分析在一定程度上可以解决大坝变形监测回归模型因子间的复共线性，然而当提取的主成分信息不充分时，主成分回归用于大坝安全预测可能失效。提出以主成分分析提取的主成分作为半参数回归的参数分量，剩余成分和模型误差作为未知的非参数分量对主成分回归进行补偿，建立一种基于主成分和半参数的大坝变形监测混合回归模型。利用某大坝实测资料进行建模分析，结果表明该混合模型能克服回归因子间的复共线性，避免半参数回归补偿最小二乘估计中法矩阵的病态性，比传统的主成分回归和逐步回归模型具有更好的拟合和预报精度。

关键词: 大坝, 复共线性, 主成分分析, 半参数回归, 补偿最小二乘

Abstract: Principal component analysis (PCA) is a solution to the multicollinearity problem of dam regression models. However, uninformative principal components (PCs) may lead to the failure prediction of dam deformation. Thus a hybrid regression model using semi-parametric regression and PCA is proposed, where the PCs with the highest variance are treated as the semi-parametric component; the remaining PCs and model errors are treated as the non-parametric component to be estimated. The hybrid model is tested using the field observations of a dam in China. The result shows the hybrid model can circumvent the multicollinearity of dam causative effects and the ill-conditioned problem in semi-parametric penalized least squares regression. A comparative study with traditional PC regression and stepwise regression demonstrate the superior performance for dam deformation prediction

Key words: dam, multicollinearity, principal component analysis, semi-parametric regression, compensated least squares

中图分类号:

TV 698.1

许昌，岳东杰，董育烦，邓成发. 基于主成分和半参数的大坝变形监测回归模型[J]. , 2011, 32(12): 3738-3742.

XU Chang , YUE Dong-jie , DONG Yu-fan , DENG Cheng-fa. Regression model for dam deformation based on principal component and semi-parametric analysis[J]. , 2011, 32(12): 3738-3742.

参考文献

相关文章 15

[1]	成帅，李术才，李利平，石少帅，周宗青，袁永才. 基于多元监测信息融合分析的突水灾害状态判识方法[J]. , 2018, 39(7): 2509-2517.
[2]	黄丹，李小青. 基于微裂纹发育特性的大理岩特征强度数值模拟研究[J]. , 2017, 38(1): 253-262.
[3]	钱兆明，任高峰，褚夫蛟，秦绍兵, . 基于PCA法和Fisher判别分析法的岩体质量等级分类[J]. , 2016, 37(S2): 427-432.
[4]	宫凤强，李嘉维,. 基于PCA-DDA原理的砂土液化预测模型及应用[J]. , 2016, 37(S1): 448-454.
[5]	苗君，何蕴龙，曹学兴，熊堃，喻虎圻，. 芦山地震冶勒大坝强震监测资料分析[J]. , 2015, 36(1): 225-232.
[6]	李守巨，张军，梁金泉，孙振祥,. 基于堆石坝竣工期沉降观测数据的材料非线性本构模型参数反演[J]. , 2014, 35(S2): 61-67.
[7]	史永强，赵俭斌，杨军. 基于主成分分析的优化神经网络模型及静压管桩单桩极限承载力预测[J]. , 2011, 32(S2): 634-640.
[8]	常东升，张利民. 土体渗透稳定性判定准则[J]. , 2011, 32(S1): 253-259.
[9]	骆行文，姚海林. 基于主成分分析的岩石质量综合评价模型与应用[J]. , 2010, 31(S2): 452-0455.
[10]	王芝银，袁鸿鹄，张琦伟，宫晓明. 十三陵大坝弹性参数反演与稳定性评价[J]. , 2010, 31(5): 1592-1596.
[11]	张琦伟，袁鸿鹄，王芝银，朱鸿雪，宫晓明. 考虑气象因素影响的大坝监测沉降小波分析[J]. , 2010, 31(3): 811-814.
[12]	李顺群，高凌霞，柴寿喜，王英红，刘双菊. 一维固结条件下黏土微结构再造过程研究和描述[J]. , 2010, 31(11): 3435-3440.
[13]	侯文峻，张嘎，张建民. 挤压墙工法对面板堆石坝应力变形影响规律研究[J]. , 2009, 30(7): 2147-2152.
[14]	谷琼，蔡之华，朱莉，黄波. 基于PCA-GEP算法的边坡稳定性预测[J]. , 2009, 30(3): 757-761.
[15]	肖伟，李泰来，黄臣虎. 堆石坝地震响应和地基液化分析[J]. , 2008, 29(S1): 155-160.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed