Theory and Application of System Integration for Real-Time Monitoring of Core Rock-Fill Dam Filling Construction Quality

The theory and method of system integration for the real-time monitoring of core rock-fill dam filling con- struction quality are studied in this paper. First, the importance analysis of system integration factors is carried out with the analytic hierarchy process. Then, according to the analysis result of integration factors, the conceptual model of system integration is built based on function integration, index integration, technology integration and information integration, the index structure of core rock-fill dam filling construction quality control is constructed and the method of function integration and technology integration is studied. The mathematical model of process monitoring is built according to monitoring objective, process and indexes. Research results have been applied in Nuozhadu core rock-fill dam construction management, realizing system integration through building appropriate monitoring work flow and comprehensive information platform of digital dam.

Genetic Regression Model for Dam Safety Monitoring

Under-fitting problems usually occur in regression models for dam safety monitoring.To overcome the local convergence of the regression, a genetic algorithm (GA) was proposed using a real parameter coding, a ranking selection operator, an arithmetical crossover operator and a uniform mutation operator, and calculated the least-square error of the observed and computed values as its fitness function. The elitist strategy was used to improve the speed of the convergence. After that, the modified genetic algorithm was applied to reassess the coefficients of the regression model and a genetic regression model was set up. As an example, a slotted gravity dam in the Northeast of China was introduced. The computational results show that the genetic regression model can solve the under-fitting problems perfectly.

Safety evaluation of replacement reinforcement quality in abutment contact zones of ultra-high arch dam in first impoundment period based on prototype monitoring

Reinforcement quality evaluation at the abutment is an important research direction. Prototype monitoring and theoretical derivation were integrated to study the replacement reinforcement quality in abutment contact zones of the Xiaowan ultra-high arch dam. The principles of monitoring layout and design are introduced in detail. Prototype monitoring shows that the increment of the interfacial compressive stress is much larger in the impoundment stage than in the regulating stage. The water pressure and time-effect are two main factors affeeting the interfacial stress. The time-effect is the key factor in the initial impoundment stage, and the water pressure is the key factor after impoundment. The contact properties are significantly improved by grouting. This study shows that there are three typical stages in the joint opening hydrographs, namely the compression stage, opening stage, and stable stage. There is a nonlinear relationship between the joint opening and temperature, which can be well described by the S-function. In conclusion, the reinforcement effect is satisfying, and the abutment is safe.

Multi-dimensional database design and implementation of dam safety monitoring system

To improve the effectiveness of dam safety monitoring database systems, the development process of a multi-dimensional conceptual data model was analyzed and a logic design wasachieved in multi-dimensional database mode. The optimal data model was confirmed by identifying data objects, defining relations and reviewing entities. The conversion of relations among entities to external keys and entities and physical attributes to tables and fields was interpreted completely. On this basis, a multi-dimensional database that reflects the management and analysis of a dam safety monitoring system on monitoring data information has been established, for which factual tables and dimensional tables have been designed. Finally, based on service design and user interface design, the dam safety monitoring system has been developed with Delphi as the development tool. This development project shows that the multi-dimensional database can simplify the development process and minimize hidden dangers in the database structure design. It is superior to other dam safety monitoring system development models and can provide a new research direction for system developers.

Research on the Seepage Safety Monitoring Indexes of the High Core Rockfill Dam

The study on developing the reasonable safety monitoring indexes plays a most importantly role in the health monitoring of high core rockfill dams. However, researches on this topic are relatively scarce both at home and abroad. In this paper, the characteristics and failure modes of seepage in high core rockfill dam are analyzed firstly. Then, a safety monitoring index based on seepage quantity, which reflects the overall seepage behavior, is developed, using the real-time monitoring data and its safety monitoring model. Moreover, another safety monitoring index based on seepage gradient, reflecting the local seepage behavior, is proposed, combining the spatial layout of osmo- meters and local failure mechanisms of core wall. Additionally, one more safety monitoring index based on permeability coefficient, which considers the overall and local seepage behaviors, is developed, on the basis of establishing the finite element analysis model and real-time seepage coefficient inversion analysis model of high core rockfill dam. A case study on these indexes of Nuozhadu high core rockfill dam is developed, which improves the reliability of seepage safety evaluation of the dam.

关于加强水库大坝下游水位监测的认识与建议

下游水位监测是1级~5级水库大坝必设的安全监测项目,但在实际建设过程中常常被忽视或误解,不利于充分发挥监测系统作用。通过设置下游水位监测,可以确定准确完整的坝体浸润线位置,支撑智慧水利建设;定量分析监测断面的防渗效果与渗流安全性态,提高渗流安全监测资料分析深度;为大坝渗流计算提供可靠的重要边界条件参数,提升渗流计算成果可靠性与准确性。下游水位监测对大坝安全监测以及大坝安全管理至关重要,建议有条件的水库补充设置下游水位监测,进一步完善大坝安全监测系统。

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明:通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.0195,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。

基于Vue.js+Django的大坝安全监测信息管理系统开发

随着大坝安全监测向自动化、智能化和高精度化发展,统一管理监测数据,提升系统的跨平台性、兼容性和易维性已成为提高大坝安全监测信息化管理水平的关键。归纳分析大坝安全监测常用的电阻式、差阻式、振弦式等传感器参数及监测变量信息,设计数据标准化导入模板。基于前后端分离开发模式,采用Vue.js+Django框架,运用RESTful API统一功能接口。开发集多类型数据源的导入、预处理、查询及报表快速生成等功能的信息管理系统,实现监测数据的集中规范化管理。研究成果已应用于某水电站,显著提高了大坝安全监测信息管理的效率,可在类似工程中推广应用。

大坝安全监测数据异常识别模型簇研究

监测数据异常识别是大坝运行安全在线监测的前提和基础。单一识别方法难以实现高效准确识别,而RREW模型对规律不佳与单台阶数据序列容易漏判且计算效率低。为此,提出了基于卷积神经网络的一维VGG数据异常识别模型,建立了由统计回归、稳健回归、一维VGG识别模型等模型库和Pauta准则、MZ准则等判别准则库共同构成的大坝安全数据异常识别模型簇,并构建了不同数据类型与异常识别模型及预警准则的匹配机制。工程校验表明:一维VGG模型对不同序列长度、不同台阶占比的数据序列均具有较好的识别效果,能有效弥补传统回归模型和稳健回归模型的不足,由前述3种模型及两种准则共同构建的异常识别模型簇可实现海量数据异常的在线精准、快速识别,为大坝安全在线监测提供可靠的数据支持。

基于VMD-KSVD字典学习降噪的大坝变形预测

提出一种自适应变分模态分解和KSVD字典学习相结合的降噪算法。该方法对监测序列分解后的子序列进行降噪,同时考虑残差序列的特征,从而充分保留监测序列中的有效信息。以某大坝变形监测数据为例进行测试,结果表明,该方法能够较好地保留监测序列中的有效信息,相较于传统的降噪算法更适用于复杂情况下的大坝变形预测,能进一步提高预测模型的泛化能力。

基于LV-DBSCAN算法的大坝安全监测数据异常检测

大坝安全监测数据原始序列中常存在异常测值,极大影响了大坝安全监测资料分析的可靠性和准确性。为此,在分析异常值特性及传统异常检测方法优缺点的基础上,分别从局部与整体角度研究监测数据异常检测方法。首先针对多重局部异常系数法要求数据序列较长且数据等时间间距等缺陷,提出了局部变化异常系数法(LV)及局部方法与整体方法协同判别策略;进一步引入密度聚类算法(DBSCAN),提出了兼顾数据整体与局部特性的LV-DBSCAN异常检测方法。以某混凝土重力坝两垂线测点顺流向位移监测数据为实例,对比分析了不同方法在不同类型数据集上的检测精度。研究结果表明,所提LV-DBSCAN方法适用性更广,准确率更高,误判率更低。

大坝安全监测数字孪生系统应用研究

针对传统大坝安全监测系统在海量数据管理、风险识别灵敏度及预警预报响应时效方面存在的不足,采用基于Revit的BIM技术与Three.js可视化技术,构造与原型高度相似的数字模型,通过有限元法迭代进行材料性能参数反演,进而分析得到大坝各部位运行性态;利用MySQL关系数据库技术、NEO4J图数据库技术、智能算法及微服务技术进行数据管理,构建包含完整监测信息的大坝数字孪生安全监测系统。通过嵌入的概率图模型进行大坝安全风险评估,实现大坝的在线监测、实时参数反演和安全风险评估,并对未来工况进行安全性态预测和预警。工程应用实践表明,系统在风险识别和预测预警的实时、高效、准确性等各方面都得到极大改进,显著提升了大坝安全管理效率与抵御风险的能力。可为同类型工程的安全监测系统提供借鉴。

黄土高原半干旱区淤地坝安全监测方法

[目的]监测黄土高原半干旱区淤地坝在汛期后形变程度,及时准确发现淤地坝的异常情况,为黄土高原半干旱区淤地坝安全监测提供更加科学可靠的技术方法。[方法]通过三维激光扫描仪对两座淤地坝进行扫描,由此得到高密度、高精度、连续完整的3D点云数据,然后将点云数据导入HD Scene软件进行点云预处理,最后通过Cloud Compare以及Geomagic Control软件进行建模对比分析。[结果]两期点云模型对比可以看出,东沟淤地坝模型大量点云的偏移量在0.05 cm以下,少量点云达到了最大偏移值0.2 cm。西沟淤地坝模型大量点云的偏移量在0.1 cm以下,极少量点云达到了最大偏移值0.4 cm。汛期降水量占全年的77.34%,汛期后两座淤地坝均会产生较小的坝体沉降和水平位移,但西沟淤地坝的形变受水压分量影响更为明显。[结论]将三维激光扫描技术应用于黄土高原半干旱区淤地坝安全监测,可以快速精准掌握淤地坝汛期后是否发生形变以及形变程度,使得淤地坝安全监测工作更加精准可靠。

三峡工程安全监测多业务系统集成研究与设计

作为“国之重器”的三峡水利枢纽工程,应利用成熟的数据中心技术和资源,为现存多业务系统提供安全监测数据的存储、计算、分析和服务,实现数据的集中管理和高效利用。梳理并总结了三峡工程现有的安全监测体系建设与运行现状,以问题与需求为导向,提出了三峡工程安全监测相关多业务系统的集成方案,研究了如何优化升级原有大坝安全监测自动化系统,探讨了相关最新技术的应用,提出了三峡枢纽工程安全监测智能化的合理近期目标及达成目标需要完成的工作任务。以此为例,提出了基于数据服务中心思想的业务系统集成的需求、目标、方法、效果、优势和建议等,旨在探索数据服务思想在安全监测管理实际应用中的价值和意义,成果可以为三峡工程安全监测管理下一步工作提供指导,也可以为同类同阶段的超大型水利水电工程安全监测智慧化提供参考。

基于CEEMDAN-改进小波阈值的大坝变形数据处理方法

针对现有方法对大坝变形监测数据去噪精度低、易将部分高频有用信息误判为噪声的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)和改进小波阈值联合去噪的方法。该方法利用CEEMDAN对原始数据进行分解,通过t检验对分解获得的多个本征模态函数(IMF)分量进行特征分析,筛选出含噪分量并利用Pearson相关系数和方差贡献率进行校验,最后采用改进的小波阈值对筛选出的含噪分量进行精细化去噪,并重构去噪后的模态函数分量,得到去噪后的数据。仿真试验和工程实例验证结果表明,该方法在多种不同指标上均优于对比的3种方法,同时能够更有效地保留数据的高频有用信息,提高准确度和平滑性,可用于大坝中的非线性变形数据去噪处理。

混凝土重力坝变形监测数据的相关性分析

混凝土重力坝的变形量可直观反映大坝的综合运行性态,而变形监测数据是坝体变形的直接体现。因此,从时间和空间上掌握坝体变形监测数据之间的规律与相关性,对于大坝后续的异常检测及安全评价等研究具有重要意义。结合大坝变形监测数据实例,分析了环境因素对位移影响存在的滞后性,利用时空相似指数对大坝不同测点间位移构建了综合相似度指标,运用皮尔逊相关系数、斯皮尔曼等级相关系数和最大信息系数法分析了环境因素与测点位移的相关性以及各测点之间变形位移的相关性,为后续建立健康服役诊断模型等更深层次的研究奠定了坚实的基础。

槐树关水库大坝渗流安全评价与预测

为评价槐树关水库大坝的渗流稳定性,收集大坝近年来面板周边缝与坝基监测点处渗压计数据,库水位、气温、降雨量、坝后渗流的监测数据及大坝工程建设与地质资料,先将监测点处渗压计值和坝前水位进行Pearson相关性分析,再根据大坝工程建设及地质资料绘制大坝断面模型并导入Autobank7.7软件计算坝后渗流量,最后将气温、库水位、降雨量等影响因子代入PCA BP神经网络与随机森林、BP神经网络模型对坝后渗流量进行预测。结果表明:除P_(3)、P_(6)、P_(9)外的监测点渗压计值、坝后量水堰监测渗流量值与库水位相关性较强,符合大坝渗流场的一般规律,初步判定大坝较稳定;实际监测的坝后渗流量是Autobank软件模型理论计算值的8倍,判定大坝有出现渗流破坏的可能,后续应采取相应措施除险加固加强监测以保证大坝的稳定性;PCA BP神经网络与随机森林、BP神经网络3种模型最佳预测准确度分别为83.20%、79.35%、69.41%,其中PCA BP神经网络的预测效果最佳,通过模型预知渗流量防止渗流破坏对保证大坝的安全运行具有重要意义。

基于APSO-Robust-ELM的大坝变形原始监测数据粗差识别方法

针对大坝原始监测数据普遍存在粗差的问题,提出了稳健估计与极限学习机相结合的粗差识别方法;并在此基础上,利用自适应粒子群算法寻找神经网络的最佳隐含层节点数;最后利用大坝安全预测模型验证所用方法的必要性和适用性。在工程实例分析中,将APSO-Robust-ELM法与Robust-ELM法、罗曼诺夫斯基准则和拉依达准则的处理结果进行对比,结果表明,APSO-Robust-ELM法能够更好的识别原始监测数据中的粗差,从而提高大坝安全运行的管理效率。

西藏DG水电站大坝安全监测系统设计

基于相关规程规范和已建工程经验,结合西藏DG水电站坝址区水文地质条件、枢纽工程的布置及各建筑物结构形式,各项安全监测设施的特点,研究建立了大坝自动化安全监测系统。电站下闸蓄水至今,大坝安全监测系统运行正常,变形、位移、渗流等实测资料、现场巡查及相关复核计算成果表明,大坝工作性态正常,满足设计和相应规程规范等要求,自动化安全监测系统可供类似工程设计参考。

基于随机森林算法的大坝安全监测研究

基于大坝的安全运行监测数据,运用智能算法构建大坝安全监测模型,力求精度高、稳定性好的大坝安全监测预测模型,以便能更及时准确地预测大坝可能存在的安全风险。针对大坝安全监测数据构建了基于随机森林算法的大坝变形监测模型,通过实际案例对某大坝进行建模,根据训练拟合数据与实测值比较,分析了其拟合度与误差,作出了未来变形预测分析。与BP神经网络算法的大坝变形监测模型进行对比,结果表明基于随机森林算法较BP神经网络算法预测精度较高,稳定性较好,综合预测能力更强,为大坝位移变形预测提供了一种新途径。