针对当前大坝安全监控连续时空监测能力弱、单测点馈控范围小的不足,在充分挖掘大坝原型监测数据的基础上,发展了一种弱化主观干扰的RFM(Recency Frequency Magnitude)自适应大坝性态评价模型。首先,模型结合大坝行为的强周期性时序特征...针对当前大坝安全监控连续时空监测能力弱、单测点馈控范围小的不足,在充分挖掘大坝原型监测数据的基础上,发展了一种弱化主观干扰的RFM(Recency Frequency Magnitude)自适应大坝性态评价模型。首先,模型结合大坝行为的强周期性时序特征,提出“中层型”和“底层型”监测序列的概念;其次,引入K-means聚类算法实现自适应划分监测序列类别;最后,基于RFM指标评分体系,明确各类别所表征的工程健康状态,建立大坝性态的安全评价体系。以某大坝水平位移监测资料为例,详细展示了所提出的大坝运行性态评价模型的应用流程。工程实例表明,该模型评价合理,客观反映了大坝服役状态,有效减少了评价过程中的经验性活动。展开更多
文摘针对当前大坝安全监控连续时空监测能力弱、单测点馈控范围小的不足,在充分挖掘大坝原型监测数据的基础上,发展了一种弱化主观干扰的RFM(Recency Frequency Magnitude)自适应大坝性态评价模型。首先,模型结合大坝行为的强周期性时序特征,提出“中层型”和“底层型”监测序列的概念;其次,引入K-means聚类算法实现自适应划分监测序列类别;最后,基于RFM指标评分体系,明确各类别所表征的工程健康状态,建立大坝性态的安全评价体系。以某大坝水平位移监测资料为例,详细展示了所提出的大坝运行性态评价模型的应用流程。工程实例表明,该模型评价合理,客观反映了大坝服役状态,有效减少了评价过程中的经验性活动。
