抽蓄电站下库主坝渗流安全分析与评价

抽蓄电站运行使得水库水位波动频繁,掌握水库大坝渗流特征显得极其重要。从历史过程线及位势分析水库大坝历史渗流监测数据,结合实际运行情况,同时对水库运行中的5种不利水位工况采用有限元方法进行坝体渗流计算,评价大坝运行期间渗流稳定状况。分析表明:大坝心墙对水头具有明显折减效果,大坝无明显渗透变形问题。

铜锣径水库主坝GNSS表面变形监测系统设计与应用

土石坝的填筑材料具有离散性、非刚性等特点,使得坝体变形有非一致性。库水位的频繁波动使得掌握水库大坝变形性态更加重要。建立使用GNSS表面监测系统进行坝体表面变形监测能够弥补依赖全站仪、水准仪等传统监测手段效率低、恶劣天气无监测数据的缺点。介绍了铜锣径水库GNSS表面变形监测系统设计方案,验证了GNSS监测系统的精度,表明GNSS监测系统精度能够满足规范要求,可以实现抽蓄电站大坝全天时、全天候、高精度监测要求,对于实现水库大坝安全监测信息化具有重要意义。

“天空地内”一体化安全监测系统的建立与应用

深圳抽水蓄能电站下库库水位涨落频繁且快速,下游有大量居民住房与厂房。为及时、准确掌握水库大坝变形性态,文章建立了基于InSAR技术(合成孔径雷达干涉)、无人机航拍技术、GNSS监测技术和坝体内部传感器技术的“天空地内”一体化监测系统,获取了丰富的大坝多维变形监测信息,利用云平台实时处理、分析、展示了变形信息,效果优良,为类似电站安全监测提供了参考。

BP神经网络与多项式拟合在沉降监测中的应用

采用BP神经网络和多项式拟合的数据处理方法并在MATLAB中编程实现,将两种模型在隧道沉降监测与预报中的可行性和精确性进行对比,得出两种模型的适用范围和预报精度。

GM(1,1)模型在边坡变形监测中的应用研究

随着水电资源的不断开发,科学、准确地对电站周围的边坡变形监测和预测显得尤为重要。该文选择云南某已建水电站边坡作为研究对象,将边坡作为灰色系统,利用GM(1,1)模型作为预测模型,对前期监测数据序列,求得灰参数后,建立预测模型,得到预测结果。对比预测结果与实测结果,评价预测精度,并对变形发展趋势进行评估,得出结论:GM(1,1)预测模型能够满足边坡变形监测的要求,具有较好的预测精度,可以在边坡变形监测工程中广泛应用。

灰色神经网络组合模型在变形监测数据分析中的应用

针对基坑变形预测中数据的灰色性和非线性的特点,提出用灰色神经网络组合模型预测基坑变形的新方法。该文将灰色模型与神经网络模型并联构成组合预测模型,融合二者的优点,并结合实例,将灰色模型、神经网络模型和灰色神经网络组合模型的预测结果进行对比分析。结果表明:灰色神经网络组合模型的预测结果更精确,对变形监测的生产实践具有一定的参考意义。