-
题名溪洛渡白铁坝堆积区深部变形监测可视化分析
- 1
-
-
作者
孟永东
樊方涛
徐卫亚
王仁坤
蔡德文
-
机构
三峡大学水电工程施工与管理湖北省重点实验室
河海大学水资源高效利用与工程安全国家工程研究中心
中国水电顾问集团成都勘测设计研究院
-
出处
《三峡大学学报(自然科学版)》
CAS
2013年第4期5-11,共7页
-
基金
湖北省自然科学基金项目(2011CDC164)
-
文摘
针对金沙江溪洛渡水电站左岸谷肩堆积体白铁坝堆积区削坡范围I至V区,进行深部变形监测资料的三维可视化分析.依据工程地质资料建立堆积体监测区域的三维地质模型,进而基于三维地质模型对测斜孔位置进行虚拟钻孔取样,进行虚拟取样岩芯与测斜孔孔深变形曲线综合分析,揭示堆积体的滑移错动带位置及分布规律.绘制监测物理量数据场三维云图,分析深部变形监测数据场的空间分布特征,研究堆积体的变形破坏模式.结果表明:白铁坝堆积区深部水平位移主要表现为向河谷中心和下游方向,垂直位移主要表现为下沉,该区域由二次削坡开挖区向上部表现出牵引式滑动变形,从变形速率来看,变形较削坡初期有明显减缓趋势,但尚未收敛,需加强监测以保证左岸谷肩堆积体的稳定和电站进水口的安全.
-
关键词
边坡工程
堆积体
溪洛渡水电站
变形监测
安全评价
-
Keywords
slope engineering
accumulation slope
Xiluodu hydropower station
deformation monito-ring
safety evaluation
-
分类号
TU443
[建筑科学—岩土工程]
-
-
题名基于混沌遗传算法优化的LS-SVM边坡位移预测
被引量:1
- 2
-
-
作者
杨念江
樊方涛
-
机构
湖南省水利水电勘测设计研究总院
-
出处
《湖南水利水电》
2020年第5期29-32,共4页
-
文摘
利用边坡监测位移的时间序列来预测边坡未来变形,能有效评价边坡的稳定性。以边坡位移时间序列为基础,采用最小二乘支持向量机(LS-SVM)建立位移预测模型,并考虑到最小二乘支持向量机的参数选择会对建模结果产生较大影响,提出采用变尺度混沌遗传优化算法对LS-SVM建模过程中的参数进行优化。该算法主要的思想是采用混沌变量种群映射到LS-SVM参数取值区间,对经过一次遗传操作的群体进行混沌搜索寻优,引导种群快速进化。最后将该模型应用于实际边坡工程位移预测中,并与常规遗传算法参数优化进行比较,结果表明,该方法的收敛速度更快,预测精度更高,具有较好的适用性。
-
关键词
边坡
位移监测
最小二乘支持向量机
混沌遗传算法优化
预测模型
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TV223
[水利工程—水工结构工程]
-