通過對大壩的變形、應力應變、裂縫、溫度、水位、揚壓力、滲流量等進行監測所得的大量監測數據,是了解大壩工作性態,檢驗設計和施工的重要資料. 如何對這些資料進行科學有效的分析,從中挖掘出大壩病變的主要成因,總結出與大壩實際運行情況相符合的客觀規律,并建立合理的數學模型為大壩的高效運行提供依據,是大壩安全監測工作當中需要解決的一個重要問題. 傳統的大壩安全監測模型[ 1 ] 有3 種:基于統計學方法建立的統計模型、基于有限單元法分析計算并與實測值擬合而建立的確定性模型和混合模型. 目前使用最廣泛的是統計模型,但其精度往往受到因子相關性的影響,尤其在監測資料序列較短時,建模所得的結果并不太理想.從粗糙集理論出發,簡要介紹了粗糙集理論的基本原理,并結合大壩安全監測資料,通過構建以垂直位移測值為決策屬性的監測信息決策表,對決策表進行約簡,從中尋找出決策規則,并以此為依據,進行垂直位移測值預測,所得結果與實測值吻合較好.
1 粗糙集基本理論
粗糙集( Rough Set ) 理論是波蘭數學家PawlakZ 于1982 年提出的一種處理含糊性和不確定性問題的數學工具. 其主要思想是在保持知識庫的分類能力不變的前提下,通過知識(屬性) 約簡,從中發現新知識或挖掘出潛在的新知識,找出其內部數據的關聯關系和特征. 較之其他處理含糊性和不確定性問題的數學工具,粗糙集理論的主要優勢之一就在于它不需要關于數據的任何附加的或先驗的信息,如模糊集方法需要模糊隸屬函數,概率統計方法需要概率分布. 目前,粗糙集理論已被成功地應用于機器學習、決策分析、過程控制、模式識別與數據挖掘等領域.
