通过对大坝的变形、应力应变、裂缝、温度、水位、扬压力、渗流量等进行监测所得的大量监测数据,是了解大坝工作性态,检验设计和施工的重要资料. 如何对这些资料进行科学有效的分析,从中挖掘出大坝病变的主要成因,总结出与大坝实际运行情况相符合的客观规律,并建立合理的数学模型为大坝的高效运行提供依据,是大坝安全监测工作当中需要解决的一个重要问题. 传统的大坝安全监测模型[ 1 ] 有3 种:基于统计学方法建立的统计模型、基于有限单元法分析计算并与实测值拟合而建立的确定性模型和混合模型. 目前使用最广泛的是统计模型,但其精度往往受到因子相关性的影响,尤其在监测资料序列较短时,建模所得的结果并不太理想.从粗糙集理论出发,简要介绍了粗糙集理论的基本原理,并结合大坝安全监测资料,通过构建以垂直位移测值为决策属性的监测信息决策表,对决策表进行约简,从中寻找出决策规则,并以此为依据,进行垂直位移测值预测,所得结果与实测值吻合较好.
1 粗糙集基本理论
粗糙集( Rough Set ) 理论是波兰数学家PawlakZ 于1982 年提出的一种处理含糊性和不确定性问题的数学工具. 其主要思想是在保持知识库的分类能力不变的前提下,通过知识(属性) 约简,从中发现新知识或挖掘出潜在的新知识,找出其内部数据的关联关系和特征. 较之其他处理含糊性和不确定性问题的数学工具,粗糙集理论的主要优势之一就在于它不需要关于数据的任何附加的或先验的信息,如模糊集方法需要模糊隶属函数,概率统计方法需要概率分布. 目前,粗糙集理论已被成功地应用于机器学习、决策分析、过程控制、模式识别与数据挖掘等领域.
