不同基座高度对沥青混凝土心墙堆石坝受力特性的影响研究

为研究不同基座高度对沥青混凝土心墙坝受力特性的影响,采用邓肯-张E-B模型作为坝体及心墙的本构模型,对大坝施工和蓄水过程进行模拟,并依据基座与心墙的高度关系拟定5种计算方案,对比不同基座高度下堆石体和心墙的受力特性。结果表明,基座越高,大坝堆石体竖向位移及第一、三主应力越小,而心墙第一、三主应力越大,竖向位移则随基座增高而减小。在此基础上,利用熵值法构建了基座影响定权模型,量化了基座高度变化对大坝不同部位的影响程度:基座高度变化对心墙的影响(权重56.06%)最显著,建议工程设计和安全评价需要考虑基座高度发生变化时对心墙第一主应力状态的影响。研究成果可为沥青混凝土心墙堆石坝工程设计和施工提供参考依据。

基于VMD与优化LightGBM的混凝土拱坝变形预测

变形是反映混凝土拱坝安全运行状态的重要指标,因此变形预测模型的研究对拱坝结构健康评价具有重要意义。为充分挖掘拱坝变形监测数据的有效信息,提高监控模型的预测精度,提出一种基于变分模态分解与优化LightGBM的混凝土拱坝变形预测模型。首先,采用VMD将变形实测数据分解为多个模态分量;其次,引入改进灰狼算法与LightGBM相结合建立混凝土拱坝变形预测模型;随后,对模态分量进行单独建模和预测,最后叠加以得到最终的预测结果。工程实例分析表明,通过有效地分解重构,构建的变形预测模型具有较高的预测精度和泛化性能。

基于有限元法的水电站预应力闸墩应力变形分析

某大型水电站中墩溢流表孔的弧形工作闸门在正常蓄水位时承受巨大水推力,根据规范和工程经验采用预应力钢筋混凝土结构型式,通过建立三维有限元模型进行计算分析,比较闸墩预应力情况下三种典型工况的受力性能。结果表明:闸墩结构具有相当的刚度;应力分布符合一般规律,预应力体系布置合理。

基于双阶段注意力机制的大坝变形深度学习预测模型

为提升大坝结构变形预测精度,采用完全自适应噪声集合经验模态分解(CEEMDAN)法将变形实测序列解耦为一系列具有不同时频特征的本征模态函数,使用小波阈值消噪对高频分量平稳化处理后进行重构,利用基于双阶段注意力机制的长短期记忆网络(DA-LSTM)模型对重构变形序列进行预测。实例验证结果表明,联合CEEMDAN算法和小波阈值消噪方法能够有效识别并清洗实测数据中的异常值,提升了测值对大坝运行性态的表征能力,同时DA-LSTM模型可以充分挖掘大坝变形的滞后性和增强网络的可解释性,据此构建的变形预测模型具有优良的稳健性。

周期激励下基于延迟传递率函数的结构模态识别方法

针对传递率函数运行模态分析方法易受环境激励中周期性分量影响,难以准确辨识结构真实模态参数的问题,推导了周期性激励对传递率函数模态参数识别的影响。在此基础上,提出了一种延迟传递率函数的构造方法,运用延迟传递率函数对周期性虚假极点进行辨识,并结合常规传递率函数识别的系统极点,实现了结构真实模态参数的有效识别。借助四自由度系统和某泵站厂房结构算例对所提出的方法进行了验证,结果表明,该方法在激励中包含周期性成分的情况下,能够准确地辨识结构模态参数,具有较为广阔的工程应用前景。

大坝变形监测异常数据识别和重构模型

针对混凝土坝变形监测数据中的粗差和异常测值问题,提出了一种数据异常识别和重构模型。模型利用关联规则量化变形序列与水位序列的关联性,将监测数据输入DBSCAN聚类算法寻找异常点,利用关联结果将监测数据异常点分为粗差点与反映大坝性态点两类,保留反映大坝性态点,剔除粗差点,并利用改进的小波神经网络对粗差数据进行重构,保证监测序列完整性。某拱坝变形监测数据验证结果表明,该模型可以准确识别监测数据中的异常值,并能够获得更为准确的重构数据,为大坝实测性态评价提供了新的分析方法。

基于因果模型的拱坝变形安全监控研究

基于因果模型原理,构建了拱坝变形的因素集和结果集,并从相关物理、力学原理出发,研究了拱坝变形和变形原因之间的因果作用机制。据此,融合因果分析图、层次分析法和模糊数学等技术,建立了拱坝变形影响因素的重要度因果分析图;应用小波分析方法提取了变形趋势分量,并将基于范例的因果推理方法引入到拱坝变形因果分析中,将其与传统的回归模型相结合,构建了拱坝变形因果推理模型。研究表明,因果分析理论的引入能够实现对拱坝变形机制进行更全面的分析。

黄河下游堤防失事模式及识别方法

重点针对黄河下游堤防工程漫决、冲决、溃决失事破坏,通过分析影响黄河下游堤防安全的主要因素,构建了黄河下游堤防工程失事模式,提出了基于模糊贴近度和投影寻踪的溃堤模式识别方法,据此构造了黄河下游堤防主要溃堤路径,为黄河下游堤防隐患险点先后处理及采取相应工程措施等决策提供依据。

大坝安全的可拓策略生成系统

针对水库大坝运行的风险管理、风险预警、风险决策等迫切要求,提出利用可拓模型形式化地描述大坝安全问题,采用物元的概念将研究对象、评估指标和量值结合为一体;基于系统工程的观点,依据菱形思维模式和物元的可拓性,建立大坝安全的可拓策略生成系统.该系统能够通过可拓数据挖掘和可拓推理解决矛盾问题,判定大坝整体安全情况,并根据优度评价准则帮助决策者选择出最优策略,实现了对大坝运行性态的质与量综合刻画,为水库大坝安全决策提供帮助.

大坝安全监控系统的多维数据模型设计

如何提高大坝安全监控系统的有效性,是系统开发的难点。基于E/R建模原理,分析了大坝安全监控系统的E/R模型构建过程中出现的连接陷阱、数据冗余及更新异常问题,给出了这些问题的解决方案。在此基础上,进行了概念数据模型开发,构建了监测信息系统的E/R模型,并对该模型进行逻辑设计,建立起了能够有效反映大坝安全监控系统对监测数据的分析处理和对监测信息管理的多维数据模型,实现了监测信息管理高效数据库系统的建立。系统开发实例表明,多维数据模型能帮助系统快速地处理分析大量的监测信息,大大提高了系统的运行效率。

基于AdaBoost-SVM的混凝土坝变形预测模型

针对混凝土坝变形预测模型中环境量与效应量之间复杂的非线性问题,以及单支持向量机(SVM)模型预测精度不高的问题,提出一种AdaBoost-SVM的混凝土坝变形预测模型,该模型采用结构风险最小化的原则,并借鉴提升算法强化学习的思想,从而提高模型的学习性能,达到增强模型泛化能力和预测精度的目的。结合实例,经过AdaBoost-SVM预测模型对混凝土坝位移原型监测数据进行训练及预测,并将预测结果与单支持向量机模型的预测结果进行对比,结果显示:基于AdaBoost-SVM预测模型得到的均方差为0.5565,平均误差绝对值为0.40,预测精度比单支持向量机模型高出一个数量级;而且相较于单支持向量机预测模型,强化后的模型在预测时段表现出更好的稳定性。该模型综合了提升算法与支持向量机各自的优势,可作为混凝土坝变形预测的一种有效方法。

混凝土坝长效服役性态的多源信息融合推理方法

利用复杂系统具备学习功能的人工智能技术,构建了基于黑板结构的混凝土坝长效服役性态的多源信息融合推理分析体系,设计了混凝土坝长效服役性态的多源信息融合推理的知识库和推理机制,实现了对多源信息融合算法的综合控制,为提高混凝土坝服役性态安全评价的可靠性和准确性提供技术支持.

特高拱坝结构性态诊断与监控方法述评

我国已建、在建多座特高拱坝工程,这些工程往往面临着高水头、高边坡和复杂地质条件等特殊服役环境,其设计、施工及安全监控等技术指标突破了现行规范适用范围和以往的工程认知。与一般大坝相比,特高拱坝工程复杂程度高,结构的力学行为具有独特特征,工程建设和运行安全控制要求更为严格。论述了坝体体型工程经验性评价参数、地质力学模型试验、数值模拟仿真分析等特高拱坝结构性态诊断关键技术,以及施工质量控制、温控防裂、跟踪监测反馈等安全监控技术;在此基础上,指出了特高拱坝长效服役健康诊断与安全控制的前沿热点问题,包括时空演化特征挖掘方法、服役风险率实时诊断模型、结构安全动态控制模式、智能感知与超前预警技术等。研究可指导特高拱坝的建设和运行管理。

基于PPA-POT的RCCD变形监测控制值拟定方法

在碾压混凝土坝(RCCD)长期服役过程中,变形是能够直观反映大坝工作性态的主要性能参数之一。为了有效监控大坝运行状态,有必要对坝体变形拟定监测控制值。为突破传统单一测点指标拟定的局限性,针对碾压混凝土坝变形空间结构关联分布特性,构建了多测点融合的坝体变形场模型,利用投影寻踪方法(PPA)确定各测点权重,在此基础上,利用POT模型进行监测控制值的拟定。工程应用结果表明了本文方法的可行性与适用性。

高混凝土坝变形性态的库盘影响分析

在研究有限元模型边界确定方法的基础上,通过建立库盘大范围和近坝区小范围2种尺度有限元模型,并由库盘模型变形计算结果提取近坝区模型的边界条件,提出高混凝土坝变形性态的库盘影响分析方法,分析库盘变形对大坝变形性态的影响。典型实际工程计算结果表明,高坝大库工程,库盘作用对大坝变形影响明显,尤其坝前大库容工程在应用实测资料分析混凝土坝运行性态、反分析结构力学参数和变形监控指标时,应该考虑库盘变形的影响,以确保充分掌握大坝运行性态,有效监控大坝的安全运行。

基于多重分形的大坝裂缝整体性态分析

为准确评价大坝坝体裂缝的整体性态,以某碾压混凝土重力坝不同高程处的3条裂缝序列为例,应用多重分形消除趋势波动方法分析大坝裂缝实测序列的多重分形特征,通过替换序列分形特征产生的原因,并用Hurst指数、分形谱宽度和分形谱高度来表征其多重分形特征强度,统计分析了不同高程和坝段的9条裂缝的多重分形特征强度。结果表明,裂缝序列存在较强的多重分形特征,且由序列本身的长程相关性造成;坝体整体裂缝的多重分形强度大致相同,说明坝体结构的整体性态较好,变形以线弹性变形为主,处于安全状态。

提升小波多尺度分解法与RBF神经网络在混凝土重力坝应力监测中的应用

将混凝土坝的应力监测数据视为一组含有不同频率信号的时间序列,针对信号中的低频信号和高频信号,采用提升小波的多尺度分解法提取混凝土坝应力的时效分量、水压和温度分量以及噪声分量,采用计算信噪比极大值的方法提取周期性分量中的水压、温度分量和噪声分量,得到最优的去噪效果。使用RBF神经网络对去噪信号进行建模,预测结果表明,该模型能够很好地反映混凝土坝应力变化的趋势和规律,可应用于混凝土坝安全监测中。

基于二进制蚁群神经网络的边坡稳定分析

针对边坡稳定问题的高维非线性、非正态的特点,提出了采用二进制蚁群神经网络建立边坡稳定分析模型.将二进制蚁群算法引入到神经网络权值优化中,既克服了蚁群算法在连续域中对组合优化的缺陷,又能避免BP算法容易陷入局部最优的尴尬.因此二进制蚁群神经网络兼有神经网络广泛映射能力和二进制蚁群算法快速全局收敛能力.采用混合编程法建立了基于二进制蚁群神经网络的边坡稳定分析模型,该模型避开了边坡滑移面和岩体破坏机制等不确定因素,利用二进制蚁群神经网络对样本进行反复学习,得到较为精确的边坡稳定模型.该方法具有建模方便,程序实现方便,计算快捷等特点,应用于实际工程中,具有良好的效果.

基于AHP-熵权法的黄河下游堤防安全模糊评价

紧密结合黄河下游堤防工程的实际情况,在分析影响堤防安全的各个因素的基础上构建了多层次多指标的综合评价指标体系;并采用主客观组合赋权的方法,将层次分析法和熵权法有机结合用以确定各评价指标权重.在此基础上,根据黄河下游堤防工程实际情况定义了评价集和对应隶属函数,构建了模糊综合评价矩阵,对黄河下游堤防工程安全进行综合评价,并结合济南市天桥区堤防段安全综合评价结果,分析了该方法的科学性和可行性.

大坝水平位移监控指标的拟定研究

典型小概率法主要依靠数学处理,没有联系强度和稳定控制条件.只有当有长期观测资料,并真正遭遇较不利荷载组合时,该法估计的效应量才接近极值.结构分析考虑了坝体和坝基的力学性态,并结合了实测和设计资料,用以拟定监控指标较为有效,并可以验证大坝设计的合理性.在对某重力坝结构力学特征及位移观测资料的研究基础上,采用典型小概率法和混合模型法拟定典型坝段水平位移监控指标.综合考虑大坝等级、强度和稳定性等因素,建议最大值监控指标采用结构分析法计算结果;最小值监控指标采用典型小概率方法得到的结果.