Hybride Analyse einer Bogenstaumauer mit einem neuralen Netzwerk und Quantilsregression

Zusammenfassung Die Vorhersage und Interpretation von Verformungsmessungen zur Bewertung der Sicherheit Talsperren auf Grundlage früheren Überwachungsdaten ist heute eine häufigsten Aufgaben Talsperrenverantwortlichen. Zur Lösung dieser werden deterministische statistische Ansätze verwendet. Finite-Elemente-Modelle bieten die Möglichkeit, das Verhalten sehr detailliert zu untersuchen, wenn sowohl mechanische Parameter als auch geotechnische geologische Informationen verfügbar sind. Im Vergleich statistischen Modellen mangelt es ihnen jedoch häufig an Vorhersagegenauigkeit aufgrund des zeitabhängigen Verhaltens Rheologie eingeschränkter über geologischen Bedingungen. Dies insbesondere dann Fall, nur begrenzte Daten Kalibrierung Materialmodellen Kontaktbedingungen, z. B. zwischen den einzelnen Blöcken, Verfügung stehen. hybride Modellierung kombiniert Vorteile beider Ansätze. Das ICOLD Technical Committee on Computational Aspects of Analysis and Design Dams rief einem Workshop prädiktive Analyse einer doppelt gekrümmten Bogenmauer auf. Für gestellte Aufgabe wird ein Finite-Elemente-Modell erstellt anhand verfügbarer kalibriert. Anschließend rekurrentes neuronales Netz mit denselben Ergebnissen Finite-Elemente-Analyse trainiert, um dessen mangelnde kompensieren. Es gezeigt, dass dieses Verfahren nicht Qualität verbessert, sondern Unzulänglichkeiten mechanischen Modells aufdeckt. Darüber hinaus aus neuronalen Netzen Quantilsregression Vorhersageintervalle abgeleitet, Warnstufen definieren Anomalien in erkennen.