基于LSTM神经网络的高拱坝混凝土温升阶段温度预测

为实时掌控高拱坝混凝土温度变化,及时制定合理控温措施,防止产生温度裂缝,深入分析了混凝土温升阶段温度影响因素,并选取初始浇筑温度、环境气温、通水温度、通水流量、绝热温升等5个主要因素作为LSTM神经网络的输入因素,建立了基于LSTM神经网络的高拱坝混凝土温升阶段温度预测模型,同时采用最大误差、平均绝对误差(M_(MAE))、对称平均百分比误差(S_(SMAPE))等评价指标检验模型精度,最后以白鹤滩高拱坝为例,对大坝混凝土温升期的温度进行预测。结果表明,所建预测模型的最大绝对误差为0.58℃,M_(MAE)、S_(SMAPE)分别为0.30℃、1.35%,预测精度较高,可操作性强,能为高拱坝混凝土温度控制提供决策支撑。

基于系统动力学的高拱坝混凝土施工进度风险演化模型

为了探明进度风险因素间的演化作用关系,以高拱坝混凝土施工为例,识别了进度风险因素,定性分析了风险因素间的因果演化关系,采用系统动力学构建了高拱坝施工进度风险演化模型,并针对具体工程对进度风险演化路径和不同演化路径下的施工进度进行了仿真模拟。结果表明,风险因素间的动态演化作用对高拱坝施工进度具有较大影响,不同的风险演化路径对施工进度影响也不同,通过模型仿真分析了进度风险关键演化路径及其影响的显著性,为施工管理者提供了决策依据。