CN116502319B - 一种混凝土坝三维温度场重构方法、装置及电子设备 - Google Patents
一种混凝土坝三维温度场重构方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116502319B CN116502319B CN202310771401.6A CN202310771401A CN116502319B CN 116502319 B CN116502319 B CN 116502319B CN 202310771401 A CN202310771401 A CN 202310771401A CN 116502319 B CN116502319 B CN 116502319B
- Authority
- CN
- China
- Prior art keywords
- temperature
- preset
- data set
- concrete dam
- temperature monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000012544 monitoring process Methods 0.000 claims abstract description 184
- 239000002245 particle Substances 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000003672 processing method Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 26
- 239000003795 chemical substances by application Substances 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 18
- 230000014509 gene expression Effects 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 238000007476 Maximum Likelihood Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 description 14
- 238000012806 monitoring device Methods 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002277 temperature effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Control Of Temperature (AREA)
Abstract
本发明公开了一种混凝土坝三维温度场重构方法、装置及电子设备,所述方法包括:获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型;基于第一温度监测数据集,经过预设数据处理方法,得到温度场重构温度样本数据集;基于温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到预设混凝土坝三维网格模型对应的每个网格结点的温度值;基于每个网格结点的温度值,确定混凝土坝的三维温度场重构结果。本发明利用混凝土坝的温度监测数据,基于克里金代理模型和粒子群优化算法,实现了混凝土坝三维温度场重构,计算方法简单,解决常规插值方法插值精度不高和计算复杂的技术问题。
Description
技术领域
本发明涉及混凝土坝技术领域,具体涉及一种混凝土坝三维温度场重构方法、装置及电子设备。
背景技术
温度作用对混凝土坝有极大影响。由于混凝土中水泥的水化发热,混凝土坝内部温度升高产生膨胀变形,随着热量消散,混凝土坝内部温度逐渐降低,由于外部约束以及坝体内部和表面温度变形不协调,混凝土坝易产生拉应力。又由于混凝土材料抗拉强度小,混凝土坝极易出现温度裂缝。裂缝对混凝土坝服役性能和耐久性都将产生不利影响。通常在施工期,温度作用是大坝混凝土产生裂缝的主要原因;在运行期,温度荷载是拱坝的重要荷载之一。因此,温度场是混凝土坝工程极为关注的物理场。
获取混凝土坝温度分布和温度场,可采用仿真和重构两种方法。仿真即有限元仿真计算,在空间域和时间域采用有限单元法离散,考虑初始条件和边界条件,输入材料热学参数、大坝施工信息和环境温度数据,计算求得大坝空间温度分布和温度场。重构是利用布设在混凝土坝内部的温度监测仪器所测温度数据,采用数据分析方法,获取大坝温度分布和温度场。
目前,混凝土坝温度场重构多采用插值方法,主要有距离反比权重插值法和克里金插值法。但是,采用距离反比权重插值法对混凝土坝温度场进行重构,计算结果易受极值的影响出现“牛眼”现象,插值精度不高;采用克里金插值法对混凝土坝温度场进行重构,需要利用测点相对位置和温度监测值构建变差函数,计算方法较复杂,导致三维温度场的重构存在困难。
发明内容
有鉴于此,本发明实施例提供了涉及一种混凝土坝三维温度场重构方法、装置及电子设备,以解决现有技术中混凝土坝温度场重构时插值精度不高且计算复杂,导致三维温度场的重构存在困难的技术问题。
本发明提出的技术方案如下:
第一方面,本发明实施例提供一种混凝土坝三维温度场重构方法,该混凝土坝三维温度场重构方法包括:获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型;基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集;基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值;基于所述每个网格结点的温度值,确定所述混凝土坝的三维温度场重构结果。
结合第一方面,在第一方面的一种可能的实现方式中,获取待重构三维温度场的混凝土坝的第一温度监测数据集,包括:获取所述待重构三维温度场的混凝土坝的多组温度监测数据集;基于每组所述温度监测数据集,经过时间序列一致性验证方法,得到所述第一温度监测数据集。
结合第一方面,在第一方面的另一种可能的实现方式中,基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集,包括:基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集;对所述第二温度监测数据集进行规范化处理,得到第三温度监测数据集;对所述第三温度监测数据集进行加密处理,得到所述温度场重构温度样本数据集。
结合第一方面,在第一方面的又一种可能的实现方式中,基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集,包括:获取所述第一温度监测数据集对应的第一温度监测点集合和温度监测值时间序列;基于所述第一温度监测数据集,经过所述预设数据清洗方法处理,获得所述第一温度监测点集合对应的第四温度监测数据集;基于所述第四温度监测数据集,经过所述预设数据筛选验证方法处理,得到第二温度监测点集合及其对应的所述第二温度监测数据集。
结合第一方面,在第一方面的又一种可能的实现方式中,基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值,包括:获取所述预设混凝土坝三维网格模型对应的每个所述网格结点的坐标值;基于所述温度场重构温度样本数据集,经过所述粒子群优化算法,得到所述预设克里金代理模型的参数值;将所述参数值输入所述预设克里金代理模型,得到目标克里金代理模型;基于每个所述网格结点的所述坐标值对所述目标克里金代理模型求解,得到所述预设混凝土坝三维网格模型对应的每个所述网格结点的所述温度值。
结合第一方面,在第一方面的又一种可能的实现方式中,所述方法还包括:获取所述混凝土坝的三维温度场仿真数据集;利用所述三维温度场仿真数据集对所述三维温度场重构结果进行验证,得到验证结果。
第二方面,本发明实施例提供一种混凝土坝三维温度场重构装置,该混凝土坝三维温度场重构装置包括:获取模块,用于获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型;第一处理模块,用于基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集;第二处理模块,用于基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值;确定模块,用于基于所述每个网格结点的温度值,确定所述混凝土坝的三维温度场重构结果。
结合第二方面,在第二方面的一种可能的实现方式中,所述获取模块,包括:第一获取子模块,用于获取所述待重构三维温度场的混凝土坝的多组温度监测数据集;验证子模块,用于基于每组所述温度监测数据集,经过时间序列一致性验证方法,得到所述第一温度监测数据集。
第三方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的混凝土坝三维温度场重构方法。
第四方面,本发明实施例提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机程序,所述处理器通过执行所述计算机程序,从而执行如本发明实施例第一方面及第一方面任一项所述的混凝土坝三维温度场重构方法。
本发明提供的技术方案,具有如下效果:
本发明实施例提供的混凝土坝三维温度场重构方法,利用混凝土坝的温度监测数据,基于克里金代理模型和粒子群优化算法,实现了混凝土坝三维温度场重构,计算方法简单,解决常规插值方法插值精度不高和计算复杂的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种混凝土坝三维温度场重构方法的流程图;
图2是根据本发明实施例提供的一种利用代理模型进行混凝土坝三维温度场重构的方法实施流程图;
图3是根据本发明实施例提供的一种混凝土坝三维温度场重构装置的结构框图;
图4是根据本发明实施例提供的计算机可读存储介质的结构示意图;
图5是根据本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供一种混凝土坝三维温度场重构方法,如图1所示,该方法包括如下步骤:
步骤101:获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型。
具体地,利用预设监测装置,比如监测系统、混凝土坝温度计、坝体应变计组、坝体横缝测缝计和坝基接缝测缝计等对待重构三维温度场的混凝土坝的温度进行监测,并得到对应的第一温度监测数据集。
其中,第一温度监测数据集可以包括预设监测装置的温度监测点空间坐标和温度监测点对应的温度监测值时间序列。
步骤102:基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集。
其中,预设数据处理方法可以包括数据清洗、筛选、修复、剔除、规范和加密等处理方法。
步骤103:基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值。
具体地,在温度场重构温度样本数据集中提取某一时刻混凝土坝所有温度测点及辅助点坐标与温度,将其作为样本数据,并经过预设克里金代理模型和粒子群优化算法处理,即可以得到预设混凝土坝三维网格模型对应的每个网格结点的温度值。
步骤104:基于所述每个网格结点的温度值,确定所述混凝土坝的三维温度场重构结果。
具体地,利用绘制工具将得到的每个网格结点的温度值进行绘制,即可得到混凝土坝重构后的三维温度场。其中,本发明实施例对绘制工具不作具体限定,只要满足绘制需求即可。
本发明实施例提供的混凝土坝三维温度场重构方法,利用混凝土坝的温度监测数据,基于克里金代理模型和粒子群优化算法,实现了混凝土坝三维温度场重构,计算方法简单,解决常规插值方法插值精度不高和计算复杂的技术问题。
作为本发明实施例一种可选的实施方式,获取待重构三维温度场的混凝土坝的第一温度监测数据集,包括:获取所述待重构三维温度场的混凝土坝的多组温度监测数据集;基于每组所述温度监测数据集,经过时间序列一致性验证方法,得到所述第一温度监测数据集。
具体地,当包含多个预设监测装置时,获取每个预设监测装置对应的一组温度监测数据集。
进一步,温度监测数据值为一时间序列,因此,当包含多个预设监测装置时,需要验证每个预设监测装置对应的温度监测数据集在时间序列上的一致性。
具体地,当某个预设监测装置对应的温度监测数据集与其他多个预设监测装置对应的温度监测数据集在时间序列上存在显著无规律偏差时,不可使用该预设监测装置对应的温度监测数据集。
进一步,通过上述时间序列一致性验证方法,可以在多组温度监测数据集中确定得到对应的第一温度监测数据集。
作为本发明实施例一种可选的实施方式,步骤102,包括:基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集;对所述第二温度监测数据集进行规范化处理,得到第三温度监测数据集;对所述第三温度监测数据集进行加密处理,得到所述温度场重构温度样本数据集。
其中,基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集,包括:获取所述第一温度监测数据集对应的第一温度监测点集合和温度监测值时间序列;基于所述第一温度监测数据集,经过所述预设数据清洗方法处理,获得所述第一温度监测点集合对应的第四温度监测数据集;基于所述第四温度监测数据集,经过所述预设数据筛选验证方法处理,得到第二温度监测点集合及其对应的所述第二温度监测数据集。
其中,第一温度监测点集合包括第二温度监测点集合;第二温度监测点集合包括第一温度监测点集合中满足预设数据清洗方法和预设数据筛选验证方法的每个温度监测点。
进一步,第一温度监测数据集可能存在错误数据或不符合要求的数据,首先,利用预设数据清洗方法对该第一温度监测数据集进行处理,获得第一温度监测点集合对应的第四温度监测数据集。
具体地,对于第一温度监测数据集的第一温度监测点集合中的每个温度监测点,选取与其高程相近且位置相似(如同在表面附近或同在中心)的多个温度监测点,对比该温度监测点与其他温度监测点的温度监测值时间序列。当该温度监测点的时间序列与其他多个温度监测点的温度监测值时间序列在某个或某几个位置差异较大时,利用其他温度监测点的温度监测值时间序列对该温度监测点的温度差异(错误)值进行修正,获得第四温度监测数据集。
当某个或某几个温度监测点的温度监测值在整个时间序列上与其他多个温度监测点的温度监测值差异都较大,可初步认为这些测点位置标注错误,将其空间坐标与同一坝段同一高程埋设的其他测点空间坐标逐一互换,之后重复上述选取多个温度监测点和差异比较的过程,直到找出这些测点的实际位置,或与所有同坝段同高程其他测点位置都已互换。
进一步,如果这些测点与所有同坝段同高程其他测点位置互换后,通过与邻近高程且位置相似的其他测点温度监测值对比,这些测点温度监测值与相邻其他测点依然在整个时间序列上相差较大,则这些测点温度数据弃用,得到第二温度监测点集合和对应的第二温度监测数据集。
进一步,对第二温度监测数据集进行规范化处理,得到第三温度监测数据集。
具体地,由于预设监测装置埋设时间与大坝混凝土浇筑进度紧密相关,各预设监测装置埋设时间和开始测量时间以及测量时间间隔可能都不相同,因此对大坝温度监测数据时间序列即第二温度监测数据集进行规范化处理,尽可能使每个时间点都能覆盖已埋设的所有预设监测装置。其中,规范化处理是基于已完成清洗的温度监测数据,即第二温度监测数据集进行的,主要是对每个仪器温度测量数据时间序列上空缺的温度监测值进行插值补全。
进一步,对规范化后得到的第三温度监测数据集进行加密处理,得到温度场重构温度样本数据集。
具体地,某一时刻,混凝土坝上、下游水位以下表面温度基本只随水深变化,因此,认为水位以下大坝表面同高程温度基本相同。根据上、下游水位以下大坝表面的温度监测点分布,在同一高程相邻温度监测点之间增加多个平均分布的辅助点,在同一坝段两相邻高程之间增加多个平均分布的辅助点,辅助点温度值基于两相邻温度监测点的温度进行线性插值。
作为本发明实施例一种可选的实施方式,步骤103,包括:获取所述预设混凝土坝三维网格模型对应的每个所述网格结点的坐标值;基于所述温度场重构温度样本数据集,经过所述粒子群优化算法,得到所述预设克里金代理模型的参数值;将所述参数值输入所述预设克里金代理模型,得到目标克里金代理模型;基于每个所述网格结点的所述坐标值对所述目标克里金代理模型求解,得到所述预设混凝土坝三维网格模型对应的每个所述网格结点的所述温度值。
首先,基于预设混凝土坝三维网格模型导出混凝土坝所有网格结点的坐标;
其次,利用温度场重构温度样本数据集,基于粒子群优化算法计算预设克里金代理模型的参数和/>(/>)。
最后,利用该参数,经过预设克里金代理模型并求解,可以计算得到每个网格结点的温度值。
其中,预设克里金代理模型原理如下:
对n个空间坐标为的点/>分别对应点/>在笛卡尔坐标系中的坐标/>,其温度值为/>。对于点/>,假定其温度值/>服从均值为/>,方差为/>的正态分布。对于任意两点/>和/>,其温度值/>和/>之间的相关性表示为如下关系式(1):
(1)
进一步,相关性矩阵表示为如下关系式(2):
(2)
进一步,在n个点上的温度值可用随机向量表示为如下关系式(3):
(3)
进一步,温度值的协方差矩阵如下关系式(4)所示:
(4)
其中,的分布取决于均值/>和方差/>,以及参数/>和/>(/>)。具体地,可以采用基于温度监测数据的最大似然法确定均值/>和方差/>。
其中,可以用向量表示为如下关系式(5):
(5)
进一步,似然函数的自然对数忽略常数项,并表示为如下关系式(6):
(6)
进一步,上述关系式(6)分别对和/>偏导,分别使导数为0,求得/>和/>的最优值,并用相关性矩阵/>表示为如下关系式(7)和(8):
(7)
(8)
进一步,当需要预测某个新的点的温度值时,先假定该点的函数值为/>,将作为新的温度监测数据,此时,可以用向量表示为如下关系式(9):
(9)
其中,与/>的温度值分别表示为/>和/>,进一步,/>和的相关性向量如下关系式(10)所示:
(10)
进一步,对应的相关性矩阵如下关系式(11)所示:
(11)
进一步,最大似然函数的自然对数忽略常数项,与上述关系式(6)相似,只有第三项与有关,可以表示为如下关系式(12):
(12)
进一步,将上述关系式(9)和(11)代入上述关系式(12),上述关系式(12)可以表示为如下关系式(13):
(13)
式中:表示不含/>的项。
进一步,在上述关系式(13)中对求导,并使倒数为0,即可以计算出点/>的温度值/>,如下关系式(14)所示:
(14)
其中,、/>和/>都与预设克里金代理模型的参数/>和/>(/>)有关,因此,可以通过粒子群优化算法确定参数/>和/>(/>)的值。
具体地,粒子群优化算法如下:
以似然函数的最大值作为目标,确定粒子群的全局最优位置。假定粒子群有N个粒子,第i个粒子的位置如下关系式(15)所示:
(15)
式中:分别对应第i个粒子的参数/>和/>(/>);/>表示粒子个数。
其中,和/>的取值范围分别为:/>、/>。
进一步,粒子个数如下关系式(16)所示:
(16)
式中:表示分析问题的维度,即粒子的参数个数,本发明实施例中/>,进一步,/>。
进一步,将上述关系式(7)和(8)代入上述关系式(6),可以得到最大似然函数的表达式,进一步,将忽略常数项后的最大似然函数作为目标函数。
其中,对任意粒子,目标函数如下关系式(17)所示:
(17)
进一步,具体的算法流程包括:
(1)在搜索空间(参数的取值范围)中随机初始化一组粒子(N个)的位置和速度,第i个粒子的位置采用上述关系式(15)表示,第i个粒子的速度如下关系式(18)所示:
(18)
(2)计算每个粒子的目标函数值,找出每个粒子的历史最优位置和粒子群最优位置。将每个粒子的目标函数最大值对应的位置,即每个粒子的历史最优位置;粒子群中目标函数最大值对应的位置,即粒子群最优位置。
其中,第i个粒子的历史最优位置如下关系式(19)所示:
(19)
粒子群最优位置如下关系式(20)所示:
(20)
(3)改变粒子群的位置和速度,使其朝粒子群最优位置移动。次迭代时,第i个粒子的速度和位置分别如下关系式(21)和(22)所示:
(21)
(22)
式中:表示惯性权重因子;/>和/>表示加速常数;/>和/>表示随机向量,其元素在[0,1]均匀分布;/>表示向量点积运算。
(4)更新每个粒子的位置,计算每个粒子的目标函数,更新每个粒子的历史最优位置和粒子群最优位置,如下关系式(23)所示:
(23)
(24)
(5)重复步骤(3)和(4),直到迭代收敛或达到预设最大迭代次数,最终的粒子群最优位置的元素即参数/>和/>(/>)的最优值。
作为本发明实施例一种可选的实施方式,所述方法还包括:获取所述混凝土坝的三维温度场仿真数据集;利用所述三维温度场仿真数据集对所述三维温度场重构结果进行验证,得到验证结果。
具体地,混凝土坝的三维温度场重构之后,可以利用混凝土坝的三维温度场仿真数据集对混凝土坝三维温度场重构结果进行验证。比如,选取仿真结果中混凝土坝表面和中心均匀分布的3900个节点温度值对其余127409个节点温度进行计算,并根据计算结果绘制三维温度场。
在一实例中,提供一种利用代理模型进行混凝土坝三维温度场重构的方法,具体实施流程如图2所示。
在另一实例中,提供一种基于代理模型的混凝土坝三维温度场重构方法,具体实施方案包括:
1.获取混凝土坝多种监测系统测温数据,验证多种监测系统仪器在相同或邻近位置测点温度监测值随时间变化的一致性。
2.初步选取混凝土坝温度计(坝体温度计和表面温度计)、坝体应变计组、坝体横缝测缝计和坝基接缝测缝计测温数据,进行大坝三维温度场重构。
3.对于每个测点,选取与其高程相近(相差2m内)且位置相似(如同在表面附近或同在中心)的其他多个测点,对比测量温度过程曲线,查找是否存在较大差异。
4.当该测点温度过程曲线在某个或某几个时间点或时间段与其他多个测点存在较大差异,则认为该测点在这些时间点或时间段的温度监测值出现错误,利用其他多个测点的温度监测值的平均值对其进行修复。
5.当该测点温度过程曲线在整个时间过程上与其他所有测点均存在较大差异,则初步认为该测点位置和坐标标注有误,将该测点与同坝段同高程其他测点逐一互换位置(同坝段同高程即同一浇筑仓,通常上游表面、中心、下游表面三个测点),再将其温度过程曲线与高程相近且位置相似的相邻其他测点进行对比,查找是否与相邻其他测点温度过程相同,或只在某个或某几个时间点或时间段存在较大差异。若与相邻其他测点温度过程相同,则进行下一步;若只在某个或某几个时间点或时间段存在较大差异,则重复步骤4,之后进行下一步;若该测点与同坝段同高程所有测点互换位置后,其温度过程曲线依然在整个时间过程上与相邻其他测点都有较大差异,则该测点温度数据弃用,将该测点剔除。
6.对选取的各监测系统仪器温度监测数据进行规范化,尽可能使每个时间点都能覆盖已埋设的所有仪器测点,便于根据时间对温度监测数据进行查询和提取。首先获取所有选取监测系统仪器的时间点,当某个仪器的温度监测值在某个时间点存在空缺时,利用邻近时间点的温度监测值进行线性插值,对该仪器测点温度进行补全。
7.对混凝土坝上、下游水位以下表面测点在空间上进行加密,体现水温随深度分层的特性。在同一高程相邻测点之间增加多个平均分布的辅助点,在同一坝段两相邻高程之间增加多个平均分布的辅助点,辅助点温度值基于两相邻测点温度进行线性插值。
8.整理规范化和加密后的混凝土坝温度监测数据,包括温度测点和辅助点空间坐标,以及温度规范化的温度数据时间序列,建立混凝土坝温度场重构温度样本数据库。
9.利用温度样本数据库,提取某一时刻混凝土坝所有温度测点及辅助点坐标与温度,基于粒子群优化算法,计算克里金代理模型参数和/>(/>)。
10.建立混凝土坝三维网格模型,导出大坝所有网格结点坐标。利用克里金代理模型算法,计算所有网格结点温度值,可将计算网格结点温度值绘制成三维温度场。
11.利用混凝土坝温度场仿真结果,对混凝土坝三维温度场重构结果进行验证。选取仿真结果中大坝表面和中心均匀分布的3900个节点温度值对其余127409个节点温度进行计算,并根据计算结果绘制三维温度场。
本发明实施例还提供一种混凝土坝三维温度场重构装置,如图3所示,该装置包括:
获取模块301,用于获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型;详细内容参见上述方法实施例中步骤101的相关描述。
第一处理模块302,用于基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集;详细内容参见上述方法实施例中步骤102的相关描述。
第二处理模块303,用于基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值;详细内容参见上述方法实施例中步骤103的相关描述。
确定模块304,用于基于所述每个网格结点的温度值,确定所述混凝土坝的三维温度场重构结果;详细内容参见上述方法实施例中步骤104的相关描述。
本发明实施例提供的混凝土坝三维温度场重构装置,利用混凝土坝的温度监测数据,基于克里金代理模型和粒子群优化算法,实现了混凝土坝三维温度场重构,计算方法简单,解决常规插值方法插值精度不高和计算复杂的技术问题。
作为本发明实施例一种可选的实施方式,所述获取模块,包括:第一获取子模块,用于获取所述待重构三维温度场的混凝土坝的多组温度监测数据集;验证子模块,用于基于每组所述温度监测数据集,经过时间序列一致性验证方法,得到所述第一温度监测数据集。
作为本发明实施例一种可选的实施方式,所述第一处理模块,包括:第一处理子模块,用于基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集;第二处理子模块,用于对所述第二温度监测数据集进行规范化处理,得到第三温度监测数据集;第三处理子模块,用于对所述第三温度监测数据集进行加密处理,得到所述温度场重构温度样本数据集。
作为本发明实施例一种可选的实施方式,所述第一处理子模块,包括:第二获取子模块,用于获取所述第一温度监测数据集对应的第一温度监测点集合和温度监测值时间序列;第四处理子模块,用于基于所述第一温度监测数据集,经过所述预设数据清洗方法处理,获得所述第一温度监测点集合对应的第四温度监测数据集;第五处理子模块,用于基于所述第四温度监测数据集,经过所述预设数据筛选验证方法处理,得到第二温度监测点集合及其对应的所述第二温度监测数据集。
作为本发明实施例一种可选的实施方式,所述第二处理模块,包括:第四获取子模块,用于获取所述预设混凝土坝三维网格模型对应的每个所述网格结点的坐标值;优化子模块,用于基于所述温度场重构温度样本数据集,经过所述粒子群优化算法,得到所述预设克里金代理模型的参数值;输入子模块,用于将所述参数值输入所述预设克里金代理模型,得到目标克里金代理模型;求解子模块,用于基于每个所述网格结点的所述坐标值对所述目标克里金代理模型求解,得到所述预设混凝土坝三维网格模型对应的每个所述网格结点的所述温度值。
作为本发明实施例一种可选的实施方式,所述装置还包括:第一获取模块,用于获取所述混凝土坝的三维温度场仿真数据集;验证模块,用于利用所述三维温度场仿真数据集对所述三维温度场重构结果进行验证,得到验证结果。
本发明实施例提供的混凝土坝三维温度场重构装置的功能描述详细参见上述实施例中混凝土坝三维温度场重构方法描述。
本发明实施例还提供一种存储介质,如图4所示,其上存储有计算机程序401,该程序被处理器执行时实现上述实施例中混凝土坝三维温度场重构方法的步骤。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccess Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备,如图5所示,该电子设备可以包括处理器51和存储器52,其中处理器51和存储器52可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit,CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器52作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的混凝土坝三维温度场重构方法。
存储器52可以包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需要的应用程序;存储数据区可存储处理器51所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器52中,当被所述处理器51执行时,执行如图1-2所示实施例中的混凝土坝三维温度场重构方法。
上述电子设备具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种混凝土坝三维温度场重构方法,其特征在于,所述方法包括:
获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型;
基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集;
基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值;
基于所述每个网格结点的温度值,确定所述混凝土坝的三维温度场重构结果;
基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值,包括:
获取所述预设混凝土坝三维网格模型对应的每个所述网格结点的坐标值;
基于所述温度场重构温度样本数据集,经过所述粒子群优化算法,得到所述预设克里金代理模型的参数值;
将所述参数值输入所述预设克里金代理模型,得到目标克里金代理模型;
基于每个所述网格结点的所述坐标值对所述目标克里金代理模型求解,得到所述预设混凝土坝三维网格模型对应的每个所述网格结点的所述温度值;
其中,所述预设克里金代理模型的原理为:
构建任意两点和/>的对应的温度值/>和/>之间的相关性关系式:
式中:和/>表示预设克里金代理模型的参数;/>和/>表示n个空间坐标为/>的点/>,每个点/>分别对应点/>在笛卡尔坐标系中的坐标/>,且每个点的温度值为/>,其中,对于点/>,其温度值/>服从均值为/>,方差为/>的正态分布;
通过下式的关系式构建温度值之间的相关性矩阵:
式中:表示相关性矩阵;
将n个点上的温度值用随机向量表示:
确定温度值的协方差矩阵:
其中,的分布取决于均值/>和方差/>,以及预设克里金代理模型的参数和/>;
其中,采用基于温度监测数据的最大似然法确定均值和方差/>,包括:
通过向量表示n个点上的温度值:
忽略自然对数中的常数项并构建似然函数:
分别对似然函数中和/>偏导,分别使导数为0,求得/>和/>的最优值,并分别用相关性矩阵/>表示:
其中,当预测某个新的网格点的温度值时,将/>作为新的温度监测数据,并用于向量表示为如下关系式:
式中:与/>的温度值分别表示为/>和/>;/>表示网格点/>的函数值;
确定和/>的相关性向量:
式中:表示相关性向量;
基于和/>的相关性向量确定/>和/>的相关性矩阵:
基于构建的似然函数确定最大似然函数:
将和/>的相关性向量以及/>和/>的相关性矩阵代入最大似然函数,得到如下关系式:
式中:表示不含/>的项;
基于上述关系式计算的温度值/>:
其中,、/>和/>都与预设克里金代理模型的参数/>和/>有关,因此,通过粒子群优化算法确定参数/>和/>的值。
2.根据权利要求1所述的方法,其特征在于,获取待重构三维温度场的混凝土坝的第一温度监测数据集,包括:
获取所述待重构三维温度场的混凝土坝的多组温度监测数据集;
基于每组所述温度监测数据集,经过时间序列一致性验证方法,得到所述第一温度监测数据集。
3.根据权利要求1所述的方法,其特征在于,基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集,包括:
基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集;
对所述第二温度监测数据集进行规范化处理,得到第三温度监测数据集;
对所述第三温度监测数据集进行加密处理,得到所述温度场重构温度样本数据集。
4.根据权利要求3所述的方法,其特征在于,基于所述第一温度监测数据集,经过预设数据清洗方法和预设数据筛选验证方法处理,得到第二温度监测数据集,包括:
获取所述第一温度监测数据集对应的第一温度监测点集合和温度监测值时间序列;
基于所述第一温度监测数据集,经过所述预设数据清洗方法处理,获得所述第一温度监测点集合对应的第四温度监测数据集;
基于所述第四温度监测数据集,经过所述预设数据筛选验证方法处理,得到第二温度监测点集合及其对应的所述第二温度监测数据集。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述混凝土坝的三维温度场仿真数据集;
利用所述三维温度场仿真数据集对所述三维温度场重构结果进行验证,得到验证结果。
6.一种混凝土坝三维温度场重构装置,其特征在于,所述装置包括:
获取模块,用于获取待重构三维温度场的混凝土坝的第一温度监测数据集和预设混凝土坝三维网格模型;
第一处理模块,用于基于所述第一温度监测数据集,经过预设数据处理方法,得到所述混凝土坝的温度场重构温度样本数据集;
第二处理模块,用于基于所述温度场重构温度样本数据集,经过预设克里金代理模型和粒子群优化算法处理,得到所述预设混凝土坝三维网格模型对应的每个网格结点的温度值;
确定模块,用于基于所述每个网格结点的温度值,确定所述混凝土坝的三维温度场重构结果;
所述第二处理模块,包括:
第四获取子模块,用于获取所述预设混凝土坝三维网格模型对应的每个所述网格结点的坐标值;
优化子模块,用于基于所述温度场重构温度样本数据集,经过所述粒子群优化算法,得到所述预设克里金代理模型的参数值;
输入子模块,用于将所述参数值输入所述预设克里金代理模型,得到目标克里金代理模型;
求解子模块,用于基于每个所述网格结点的所述坐标值对所述目标克里金代理模型求解,得到所述预设混凝土坝三维网格模型对应的每个所述网格结点的所述温度值;
其中,所述预设克里金代理模型的原理为:
构建任意两点和/>的对应的温度值/>和/>之间的相关性关系式:
式中:和/>表示预设克里金代理模型的参数;/>和/>表示n个空间坐标为/>的点/>,每个点/>分别对应点/>在笛卡尔坐标系中的坐标/>,且每个点的温度值为/>,其中,对于点/>,其温度值/>服从均值为/>,方差为/>的正态分布;
通过下式的关系式构建温度值之间的相关性矩阵:
式中:表示相关性矩阵;
将n个点上的温度值用随机向量表示:
确定温度值的协方差矩阵:
其中,的分布取决于均值/>和方差/>,以及预设克里金代理模型的参数和/>;
其中,采用基于温度监测数据的最大似然法确定均值和方差/>,包括:
通过向量表示n个点上的温度值:
忽略自然对数中的常数项并构建似然函数:
分别对似然函数中和/>偏导,分别使导数为0,求得/>和/>的最优值,并分别用相关性矩阵/>表示:
其中,当预测某个新的网格点的温度值时,将/>作为新的温度监测数据,并用于向量表示为如下关系式:
式中:与/>的温度值分别表示为/>和/>;/>表示网格点/>的函数值;
确定和/>的相关性向量:
式中:表示相关性向量;
基于和/>的相关性向量确定/>和/>的相关性矩阵:
基于构建的似然函数确定最大似然函数:
将和/>的相关性向量以及/>和/>的相关性矩阵代入最大似然函数,得到如下关系式:
式中:表示不含/>的项;
基于上述关系式计算的温度值/>:
其中,、/>和/>都与预设克里金代理模型的参数/>和/>有关,因此,通过粒子群优化算法确定参数/>和/>的值。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,包括:
第一获取子模块,用于获取所述待重构三维温度场的混凝土坝的多组温度监测数据集;
验证子模块,用于基于每组所述温度监测数据集,经过时间序列一致性验证方法,得到所述第一温度监测数据集。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使所述计算机执行如权利要求1至5任一项所述的混凝土坝三维温度场重构方法。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机程序,所述处理器通过执行所述计算机程序,从而执行如权利要求1至5任一项所述的混凝土坝三维温度场重构方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771401.6A CN116502319B (zh) | 2023-06-28 | 2023-06-28 | 一种混凝土坝三维温度场重构方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771401.6A CN116502319B (zh) | 2023-06-28 | 2023-06-28 | 一种混凝土坝三维温度场重构方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116502319A CN116502319A (zh) | 2023-07-28 |
CN116502319B true CN116502319B (zh) | 2023-10-20 |
Family
ID=87317025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310771401.6A Active CN116502319B (zh) | 2023-06-28 | 2023-06-28 | 一种混凝土坝三维温度场重构方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502319B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454655A (zh) * | 2023-11-13 | 2024-01-26 | 苏州思萃融合基建技术研究所有限公司 | 一种大体积混凝土温度场构建方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107452059A (zh) * | 2017-08-09 | 2017-12-08 | 中国地质大学(武汉) | 一种三维插值建模方法、设备及其存储设备 |
CN111125964A (zh) * | 2019-12-27 | 2020-05-08 | 华东理工大学 | 一种基于克里金插值法的污水处理过程代理模型构建方法 |
CN113984245A (zh) * | 2021-10-26 | 2022-01-28 | 湖南大学 | 一种数据中心机房温度检测与温度场重建方法及系统 |
WO2023004704A1 (zh) * | 2021-07-29 | 2023-02-02 | 西门子(中国)有限公司 | 用于监控封闭空间环境的方法、装置和计算机存储介质 |
CN116295925A (zh) * | 2023-01-14 | 2023-06-23 | 中国水利水电第十一工程局有限公司 | 一种用于超大混凝土结构的温度梯度在线监测方法及系统 |
-
2023
- 2023-06-28 CN CN202310771401.6A patent/CN116502319B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107452059A (zh) * | 2017-08-09 | 2017-12-08 | 中国地质大学(武汉) | 一种三维插值建模方法、设备及其存储设备 |
CN111125964A (zh) * | 2019-12-27 | 2020-05-08 | 华东理工大学 | 一种基于克里金插值法的污水处理过程代理模型构建方法 |
WO2023004704A1 (zh) * | 2021-07-29 | 2023-02-02 | 西门子(中国)有限公司 | 用于监控封闭空间环境的方法、装置和计算机存储介质 |
CN113984245A (zh) * | 2021-10-26 | 2022-01-28 | 湖南大学 | 一种数据中心机房温度检测与温度场重建方法及系统 |
CN116295925A (zh) * | 2023-01-14 | 2023-06-23 | 中国水利水电第十一工程局有限公司 | 一种用于超大混凝土结构的温度梯度在线监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于代理模型的QPSO算法 及结构优化应用;何星星 等;中国空间科学技术(第第4期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116502319A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khatir et al. | Fast simulations for solving fracture mechanics inverse problems using POD-RBF XIGA and Jaya algorithm | |
Sun et al. | Nondestructive identification of multiple flaws using XFEM and a topologically adapting artificial bee colony algorithm | |
Sun et al. | A multiscale flaw detection algorithm based on XFEM | |
CN116502319B (zh) | 一种混凝土坝三维温度场重构方法、装置及电子设备 | |
He et al. | Optimal multiaxial sensor placement for modal identification of large structures | |
CN106529055A (zh) | 一种基于应变模态振型相关性的模型修正方法 | |
CN103257214A (zh) | 利用基于枝晶臂间距和孔隙率的模型的疲劳寿命计算的材料属性分布确定 | |
Xiang et al. | Experimental investigation of frequency-based multi-damage detection for beams using support vector regression | |
CN105183928A (zh) | 铸铝构件中的残余应力和变形的快速分析 | |
CN106354942B (zh) | 一种基于熵理论的装配接触应力分布评估方法 | |
CN114547951B (zh) | 一种基于数据同化的大坝状态预测方法及系统 | |
CN105631936A (zh) | 点云修补方法及系统 | |
KR101388749B1 (ko) | 3차원 데이터로부터 3차원 산업 모델을 구축하는 시스템 및 방법 | |
CN107679328A (zh) | 一种系统参数识别的最优传感器布置方法 | |
CN106997410B (zh) | 一种基于模态应变能的损伤发生的判断方法 | |
CN114970240A (zh) | 多相复合结构图像的载荷状态快速评估方法及设备 | |
Pechenin et al. | Optimization of measurements of the geometry of parts with complex surfaces | |
Kao et al. | Using particle swarm optimization to establish a local geometric geoid model | |
Jin et al. | Adaptive three-dimensional aggregate shape fitting and mesh optimization for finite-element modeling | |
Zeramdini et al. | Numerical simulation of metal forming processes with 3D adaptive Remeshing strategy based on a posteriori error estimation | |
CN114708397B (zh) | 一种光伏系统安装用地面三维模型数据处理方法及系统 | |
Sun et al. | A two-scale algorithm for detection of multiple flaws in structures modeled with XFEM | |
JP2017090238A (ja) | 予測方法 | |
He et al. | Reverse Engineering of Free‐Form Surface Based on the Closed‐Loop Theory | |
Maciolka et al. | Evaluation of different approaches to 3D numerical model development of the contact zone between elementary asperities and flat surface |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |