混凝土坝面作业场景智能识别ResNet50-SEMSF方法

为提高混凝土坝面作业场景识别工作效率,提出了一种混凝土坝面作业场景智能识别方法(ResNet50-SEMSF)。将采集的坝面施工现场监控视频分割为图像,分析混凝土坝面作业人、机、料、环境等实体要素图像特征,界定坝面作业典型场景;以残差网络(ResNet50)为骨干网络结构,引入挤压激励(SE)注意力机制,关注不同通道间特征关系,提升坝面作业场景图像中多目标实体要素关键特征表达能力;融合下采样多尺度特征,保留坝面作业场景图像低级特征和高级语义信息,增强模型对图像不同层次特征的理解能力,克服尺度变化、目标变形等问题。对比分析其他3种卷积神经网络模型试验结果,使用梯度类激活映射(Grad-CAM)可视化方法,解释ResNet50-SEMSF模型对场景类别中实体要素信息的关注程度。结果表明:ResNet50-SEMSF识别效果明显优于ResNet50、MobileNetV2、VGG16等经典网络模型,表明ResNet50-SEMSF模型用于混凝土坝面作业场景智能识别的可行性,为混凝土坝面施工安全管理工作提供参考。

盐浸-干湿-冻融耦合作用下混凝土坝强震开裂机理

为探究混凝土坝在盐浸侵蚀、干湿循环、冻融循环因素影响下的强震破坏规律,通过材料劣化试验和数值模拟方法开展大坝强震开裂机理研究。针对坝体不同位置开展盐溶液侵蚀、干湿循环以及冻融循环劣化试验,基于材料试验结果,构建混凝土重力坝扩展有限元模型,模拟混凝土材料劣化前及劣化后混凝土坝强震开裂破坏情况。结果表明:多因素耦合作用导致混凝土材料劣化,强震作用下会降低大坝承载能力,增加大坝倒塌破坏风险。考虑混凝土多种劣化因素影响,所得结论可用于高寒地区混凝土坝的抗震设计。

基于多层次滤波降噪的IGA-NARX混凝土坝变形预测模型

针对混凝土坝变形数据中存在非高斯分布噪声污染,难以描述混凝土坝变形数据自身的趋势性、季节性的问题,采用CEEMD与粒子滤波法相结合的方法对锦屏一级大坝径向位移进行分析。先将CEEMD分解后的高频和低频分量进行区分,仅对高频分量进行粒子滤波降噪,再进行分量重构;通过多层次滤波降噪处理的位移数据驱动IGA-NARX神经网络构建预测模型,并使用R_(RMSE)、M_(MSE)等指标进行评价。工程实例验证表明,所提模型相较于对比模型在评价指标上均有一定提升,具有较好的实用价值。

空腹混凝土坝振动响应试验研究

针对平原地区土层条件较差和地形条件有限的情况,提出一种新型坝——空腹混凝土坝。采用振动台模型试验技术,研究加速度峰值、库水位及防渗墙对该新型坝动力响应的影响。结果表明:(1)在自由场坝基中设置结构可以降低坝基的超孔压响应,削减坝基液化程度。(2)非自由场工况中,加速度峰值的增大加强了坝基的振动幅度,加剧液化程度;坝体上游库水位的存在增加了坝基的有效应力从而降低液化程度;坝基中防渗墙的存在增加了孔压的消散从而降低液化程度。总体来说,加速度峰值对液化程度影响最大,库水位影响次之,防渗墙影响最小。(3)库水位的存在增加了坝体的受力程度导致坝体水平位移响应大于空库工况,防渗墙的存在降低了坝基中的水力梯度导致坝体响应低于无防渗墙工况。但在试验过程中坝体并没出现明显的水平位移变化。

基于WOA-VMD-XGBoost的混凝土坝变形预测

建立混凝土坝高精准变形预测模型是掌握坝体结构服役性态的关键,而其变形监测数据具有复杂的非线性和非平稳特征,会影响预测模型的精度及泛化能力。针对上述问题,引入鲸鱼优化算法(WOA)和包络熵理论自适应寻优变分模态分解(VMD)参数,根据最佳参数组合多尺度分解变形数据,得到多个不同特征尺度的本征模态函数(IMF)。通过重构分量为新分量,将新分量分别输入极端梯度提升(XGBoost)模型中进行预测,叠加各预测结果得到最终预测值。基于山口岩碾压混凝土拱坝变形监测数据,开展支持向量回归机(SVR)、随机森林(RF)、XGBoost、WOA-VMD-XGBoost等4种模型的精度、泛化能力对比研究。结果表明:相比于单一预测模型,组合模型有效挖掘了变形信号多尺度特征,降低了非线性、非平稳性对模型性能的影响,在精度、泛化能力中表现出更高性能。该组合模型为大坝变形监测提供了理论依据和应用参考。

基于温度应力仿真的仙洞沟堆石混凝土坝分缝技术研究

堆石混凝土重力坝是否分横缝及分缝间距对大坝温度应力影响很大,在相同环境下,坝体不分缝或横缝间距越大,温度应力越大,大坝开裂风险也越高;但不分缝或长距离分缝,可有效简化施工工序,实现快速连续施工,能充分体现该坝型优势。该研究针对仙洞沟水库工程实际,对堆石混凝土大坝整体不分缝和超出规范规定的长距离坝段分缝方案进行研究,基于不同的温控措施进行温度应力三维仿真分析,在最终确定大坝的分缝和温控方案的同时,进行有益探索,推动了堆石混凝土筑坝技术的发展。

自密实堆石混凝土坝建设生命周期环境效益分析

为研究自密实堆石混凝土坝(SRC)全生命周期内的环境效益,文章采用混合生命周期评价模型,以传统混凝土坝(CC)为对照,系统评估了大坝建设在材料生产、材料运输、施工、运维阶段的环境负荷。结果表明,SRC在全生命周期内展现出显著的环境效益提升。与CC相比,采用SRC可减少大坝全生命周期内65%的温室气体排放和55%的能源消耗。研究结果可为大坝建设提供参考。

基于组合赋权—集对分析法的混凝土坝巡检综合评价

鉴于模糊性巡视检查记录和指标权重赋值存在主观性的问题制约着水库大坝巡视检查信息综合评价的可靠性,首先针对巡视检查部位和内容,提出了较为全面的巡视检查状况评价体系;然后划分了巡视检查状况等级并设计了各评价指标的评分标准;进而提出采用组合赋权—集对分析法的巡视检查综合评价模型;最后将该综合评价模型应用于某混凝土坝巡视检查状况评价中。结果表明,模型计算得到的巡视检查状况与实际情况基本吻合,表明该评价模型合理、可行。

考虑防洪风险的混凝土坝变形双控指标拟定方法研究

针对基于典型小概率法拟定大坝监控指标时的失效概率取值偏经验性以及目前变形监控指标未考虑变形变化速率的问题,将大坝变形失效风险与大坝防洪风险(上游来水和泄洪能力)相结合,将失效概率取设计防洪风险,采用典型小概率法拟定了关键测点变形监控指标,再基于设计洪水调洪演算库水位及其对应的变形分量变化速率,从而确定变形速率监控指标,提出了考虑防洪风险的混凝土坝变形和变形速率双监控指标的拟定方法。以某服役期高拱坝为例,拟定了典型测点实测变形和变形速率双监控指标,实测变形数据及其变化速率均小于拟定的变形监控指标和变形速率监控指标,这表明该大坝当前变形性态安全可控。

东南亚地区某碾压混凝土坝裂缝成因及防治措施研究

混凝土裂缝是影响水工结构强度和耐久性的主要因素之一,东南亚地区全年高温多雨,月均最大温差较小(8.6℃),年均温差大(20.2℃),混凝土温度容易控制,但裂缝问题时有发生。依托东南亚地区某碾压混凝土坝,采用有限元研究施工期温度应力的变化规律,分析混凝土开裂的敏感因素,并就其温控防裂措施开展详细研究。结果表明,浇筑长间歇及寒潮侵袭显著影响混凝土温度应力的变化,老混凝土的强约束作用及新老混凝土的温差影响叠加寒潮应力,导致混凝土应力超标出现温度裂缝。在上述研究的基础上,进一步探讨了降低新浇混凝土温度应力的温控措施,为东南亚地区大体积混凝土工程的建设提供一定的参考。

基于SAM&ImageJ图像处理的堆石混凝土坝层面露石率研究

堆石混凝土坝层面的外露块石为上下层提供了重要的啮合作用,其投影面积比例是科学评价层间抗剪性能的重要指标。采用国际最新Meta AI模型segment anything model(SAM)对层面外露堆石进行自动图像分割,并基于ImageJ软件对SAM识别后的图片进行再加工与图像计算,利用平滑、差分算法、中值滤波等方法精准标定外露堆石,二值化后计算得到层面露石率。结果表明:SAM图像预分割可识别约90%的外露堆石,经过ImageJ二次图像处理后可有效提高小粒径堆石的识别精度,对比手动标注结果误差在±3%以内。以贵州省两座水库的工程应用为例,对浇筑仓面进行分区预处理,结果发现靠近上游、中部、下游不同区域的露石率差别较大,计算得到的层面露石率以10%~30%居多,其中堆石入仓运输通道区域的露石率较低。研究内容与结论可为堆石混凝土结构层间界面抗剪力学性能和大坝蓄水安全稳定的研究提供参考与借鉴。

基于TGWO-LightGBM的混凝土坝变形预测模型

变形是影响混凝土坝安全运行的重要因素之一,对其中径向位移的预测能够保证混凝土坝在运行期间的安全。然而,大坝的变形数据并不是线性变化且容易陷入局部最优,为了解决这一问题,利用非线性灰狼优化算法(TGWO)对轻量梯度提升机(LightGBM)进行优化,构建了一种以统计模型为基础的TGWO-LightGBM混凝土坝变形预测模型。仿真结果表明,TGWO-LightGBM模型相较于GWO-LightGBM模型、LightGBM模型,能够较好地搜索并优化轻量梯度提升机神经网络的参数、更好地平衡全局和局部性能,从而使得LightGBM预测模型具有更高的预测精度。

基于DBO参数寻优的KELM混凝土坝变形预测模型

传统回归模型与单一的智能学习模型,无法准确反映混凝土坝变形监测数据与环境量之间复杂的非线性关系,且所构建的变形预测模型精度不高、过拟合问题显著。为此,结合蜣螂优化(DBO)算法和核极限学习机(KELM),利用DBO算法对KELM模型中的正则化参数和核函数参数自动全局寻优,构建了DBO-KELM混凝土坝变形预测模型。结合工程实例,验证模型对于大坝变形真实情况的反映效果,结果表明,DBO-KELM混凝土坝变形预测模型预测精度高、泛化能力强。

改进DeepLabv3+模型的混凝土坝表观裂缝特征提取方法

为了解决混凝土坝环境复杂造成现有算法裂缝检测难度大、效果差的问题,提出了一种改进DeepLabv3+模型的混凝土坝裂缝特征提取方法.该方法以轻量型网络替换原始骨干网络提取图像特征,降低模型复杂度;扩充空洞空间金字塔池化模块,提升编码器感受野;采用多尺度特征融合策略,提高边缘信息利用率;优化模型损失函数,克服像素不均衡的困难.采用自制混凝土坝表观裂缝图像数据集对提出方法的有效性和优越性进行了验证与评估,结果表明:构建的改进网络能准确地实现复杂背景下混凝土坝表观裂缝特征的提取,分割裂缝图像的交并比与像素精度分别为72.85%与85.36%,裂缝分割效果也明显优于其他方法,可为长期混凝土坝面裂缝监测提供有效的技术手段.

基于时空聚类和深度学习的混凝土坝变形异常值识别方法

针对传统大坝异常值识别方法多依靠单测点模型,未充分考虑测点间变形的时空关联特性,易造成异常值误诊断的问题,提出了基于时空聚类和深度学习的混凝土坝变形异常值识别方法。该方法利用测点间变形的时空关联特性对混凝土坝测点变形数据进行时空聚类分区,基于新型蜜獾优化算法(HBA)与双向长短时记忆(BiLSTM)神经网络构建HBA-BiLSTM变形预测模型,根据模型输出的变形值以及异常值判别指标识别混凝土坝变形异常值。实例验证结果表明,该方法比传统异常值识别方法准确率更高。

基于MobileNetV2-DeepLabv3+的混凝土坝水下裂缝语义分割模型

为解决深度学习算法难以有效检测混凝土坝水下裂缝的问题,构建了基于MobileNetV2-DeepLabv3+的混凝土坝水下裂缝语义分割模型。该模型引入轻量化网络MobileNetV2,同时将深层特征下采样倍数降为8,以提高小数据集工况下的识别准确率和推理速度;将交叉熵损失函数与Dice损失函数的组合作为模型的损失函数,以缓解类别不平衡问题。工程实例验证结果表明:该模型在测试集上的平均像素准确率和平均交并比分别高达90.87%和86.33%,满足水下裂缝语义分割精度要求;典型工况下的混凝土坝水下裂缝的分割效果优于其他对比模型,泛化能力强;模型具有内存占比小、推理速度快的特点,可用于混凝土坝水下裂缝的检测。

监测数据驱动的寒区混凝土坝温度特征分析

鉴于寒区混凝土坝的服役环境具有的冬季气温极低、温差悬殊、寒潮频发和冻融循环剧烈等特点对大坝安全带来的不利影响,针对寒区混凝土坝环境温度和坝体温度监测数据,通过构造反映温度增量距离和温度变幅距离的综合相似性距离指标,应用层次凝聚聚类算法,提出了辨识寒区环境气温地域特征的数据聚类挖掘方法;并针对常规坝体温度场变化表征模型的不适用性,构建了融合谐波因子、气温前期项和水温前期项的寒区混凝土坝坝体温度场表征模型,提升了温度场刻画精度,为实现分析寒区混凝土坝温度场和演变规律,动态跟踪大坝安全状态提供了理论和技术支持。

基于KPCA-NGO-LSSVM的混凝土坝变形预测模型

变形作为最直观的监测指标,常用来反映大坝的服役性态变化。为建立更加符合混凝土坝变形的预测模型,实现更高精度的混凝土坝变形预测,针对混凝土坝变形序列呈现不确定性和非线性的特征,将核主成分分析(KPCA)引入最小二乘支持向量机(LSSVM)来约简因子关系,降低预测模型的输入维数和复杂度,同时使用北方苍鹰优化算法(NGO)对最小二乘支持向量机进行参数寻优,构建了基于KPCA-NGO-LSSVM的混凝土坝变形预测模型。工程实例表明,KPCA-NGO-LSSVM模型相比传统多元线性回归(MLR)、LSSVM、KPCA-LSSVM的预测值与实际值的拟合效果更好,预测精度更高,能更有效地预测混凝土坝变形。

基于WOA-RFR的混凝土坝变形预测监控模型

为提高大坝变形监控模型的预测精度与模型性能,引入随机森林算法与鲸鱼优化算法构建基于WOA-RFR的混凝土坝变形预测模型。归属于机器学习算法的随机森林模型具有泛化能力强、训练速度快等优点,具备较强的非线性特征映射能力;但由于原始随机森林算法中涉及到众多参数,不同的参数及相应参数组合对于模型性能的提高与稳定具有较大影响,若是采用人工经验法不能保证结果的有效性。因此为解决随机森林模型的参数标定问题,引入具有较强全局搜索能力的鲸鱼优化算法对关键参数进行组合寻优,在取得最优参数组合的同时以期进一步提高模型的泛化能力及鲁棒性。为分析比较模型的优良性能,以某实际工程为例,利用鲸鱼算法优化的随机森林建立大坝变形监控模型,引入决定系数、均方根误差与平均绝对百分比误差为模型性能的评价指标,与不同智能寻优算法、多种对照模型进行预测结果对比。结果表明,基于WOA优化的RFR预测模型具有更高的预测精度和稳定性,WOA的优化显著提高了模型性能。

基于最小截平方和估计的混凝土坝变形监测粗差识别方法

粗差识别是混凝土坝安全监测数据预处理中的一项重要工作。结合变形监测统计分析模型,基于Fast-LTS算法,提出一种混凝土坝变形监测粗差最小截平方和估计识别方法。首先,基于最小截平方和估计,建立混凝土坝变形监测统计分析模型,挖潜变形监测序列与环境影响因子间的关系;其次,划分正常测值序列和疑似粗差测值序列,并针对疑似粗差序列,采用数理统计方法,逐一甄别直至判别出所有粗差。工程实例计算分析表明,本文方法粗差识别成功率达100%,远优于拉依达法则、格拉布斯准则与罗曼诺夫斯基准则等传统判别方法。更高的识别成功率,可为混凝土坝变形监测粗差识别提供一种新途径。