丰满大坝垂直位移监测资料分析

结合丰满大坝垂直位移监测资料,分析了大坝的垂直位移的变化规律,并运用逐步回归分析法,对坝顶垂直位移进行了统计建模.结果表明,温度是影响坝顶垂直位移的主要因素,水压力分量和时效分量也对垂直位移有一定的影响,但影响不大.通过对垂直位移监测资料的建模分析,对大坝的安全监测工作有一定的指导意义.     

某浆砌石重力坝坝顶位移观测资料回归分析

坝顶位移为重力坝重要的变形指标,影响坝顶位移的主要因子包括上游库水位、温度和时效。建立了包含上游水压、温度和时效因子的浆砌石重力坝坝顶位移观测资料分析的统计回归模型,并在某水电工程浆砌石重力坝坝顶位移监测资料的分析中得到应用。工程实例表明,建立的重力坝坝顶位移统计回归模型对观测数据的拟合效果较好,数学模型的分析结果表明,坝顶位移测值的变幅趋于稳定,表明坝体变形已经接近于稳定状态,即坝体变形的不可恢复位移增量已很小,测值主要随温度周期性变化。     

长洲水利枢纽混凝土重力坝坝顶垂直位移变量分离研究

坝顶垂直位移是反映混凝土重力坝变形的重要指标,通过对长洲水利枢纽混凝土重力坝坝顶垂直位移观测数据整编与分析,建立逐步回归分析模型,分析大坝坝顶垂直位移变化规律,结果表明,温度分量是影响坝顶垂直位移的主要因素,水压分量和时效分量是影响坝顶垂直位移的次要因素。希望可以为行业内混凝土重力坝坝顶垂直位移分析提供参考。     

组合模型在大坝变形监测中的应用

鉴于各种传统的大坝变形监测方法必然造成信息量的丢失,有必要寻找一种可以最大化利用各种拟合方法所包含的信息,并最终达到提高高程拟合精度的方法。提出了基于BP神经网络方法与逐步回归方法的组合模型,研究了将该组合模型用于大坝变形监测的精度和可行性,通过具体工程实例验证,详细介绍了该组合模型在大坝变形监测中的应用。     

大坝变形预报的神经网络极限学习方法

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。     

大坝安全监测的ARIMA-BP组合预测模型

研究大坝安全监测中用于预测坝体变形问题的模型,给出了一种组合模型来预测坝顶位移.单一的ARIMA模型和神经网络预测模型在预测位移问题时精度不高,分析了两种模型的原理和建立方法,利用两种模型单独对时间序列进行拟合与预测,再通过赋予适当的权重,得到新的组合预测模型.通过某水电站工程实例分析表明,该组合预测模型结合了两种模型的优势,提高了模型的预测精度,有广泛的应用前景.     

应用模糊数学预测大坝位移

预测大坝水平位移对于大坝安全来说非常重要.由于影响因素太多太复杂,以致用各种传统方法建立的大坝水平位移预报模型的精度难以提高.本文以佛子岭连拱坝13号垛的坝顶水平位移为例,应用模糊数学中多因素假言推理方法,导出了可预测5日后大坝水平位移的模型,该模型预报提高了预报精度约30%     

大坝监测位移的改进灰色因果模型

大坝监测位移通常受到水压、温度、时效等因素的影响,为了考虑各因素之间相互影响和制约关系,并且能较好地反映其整体的变形规律,文章建立了灰色因果模型;同时,为提高监测位移的建模拟合精度,更好地进行位移预测,将基于Simpson公式改进的GM(1,N)模型运用到大坝位移监测中,以某大坝监测资料进行计算和比较;结果显示,改进GM(1,N)模型具有较高的拟合和预测精度。     

GM-ARIMA模型在大坝安全监测中的应用

针对大坝安全监测的小样本数据既有一定趋势性又有一定波动性的特点,把灰色模型和时间序列模型结合起来运用在大坝安全监测中.首先利用灰色模型进行拟合和预测,然后对灰色残差序列建立ARIMA模型,对残差进行预测,最后将两者结合起来即可得到预测值.本文以小湾拱坝坝顶某测点的径向位移为例,建立GM-ARIMA进行拟合和预测,并与实测值比较.计算结果表明,与GM模型相比,GM-ARIMA模型的精度高,预测值更接近于实测值.     

重力坝坝体水平变形模型研究

针对统计模型当观测资料不包括荷载发生的极值或观测资料系列较短时,建立的数学模型将不能用于监测,主要依靠数学处理,没有较好地联系大坝和地基的结构性态的不足,文中在统计分析的基础上,提出变形混合模型来分析大坝水平变形。通过对大坝坝体的各测点的变形过程进行研究,对水库大坝坝体水平变形采用特征值统计分析;对坝体水平变形模型进行研究,建立基于逐步回归的统计模型和基于有限元的混合模型,并对2种模型进行综合比较,进而确定了测点变形模型。研究结果表明:大坝坝体实测水平位移和三维有限元计算结果基本一致,进一步表明文中采用的变形模型用于研究坝体的变形分析是可行和正确的。     

基于时序分解和SSA-LSTM-Attention模型的尾矿坝位移预测

针对尾矿坝位移变形的动态特性和传统预测模型在进行尾矿坝位移预测中的不足，提出了一种基于时序分解和SSA-LSTM-Attention模型的尾矿坝位移预测方法。首先，通过ICEEMDAN将尾矿坝位移监测数据进行分解为趋势项和波动项；其次，一方面采用高斯拟合方法对趋势项进行拟合预测，另一方面通过灰色关联度进行波动项相关影响因子筛选，并将注意力机制与LSTM相结合，建立了基于注意力机制及LSTM的波动项位移预测模型，同时利用SSA对该模型的超参数寻优；最后，将趋势项与波动项叠加得到总的位移预测值。以攀西地区某尾矿库为例对模型性能进行了验证，并与BP、LSTM、LSTM-Attention等模型进行对比，结果表明，该方法得到的均方根误差、平均绝对误差和确定系数分别0.742mm、0.553mm和0.994，所提方法能较大幅度提高尾矿坝位移变形的预测精度。     

GPS大坝变形监测网数据处理模型

考虑到GPS大坝变形监测网的特殊性，提出了以站心地平坐标系为参考坐标系的GPS大坝三维变形监测网的数据处理模型；提出了应用模糊数学中的聚类分析方法对拟稳点（或固定基准点）的相对稳定性进行检验的数学模型；提出了平差采用拟稳平差的方法．用VB语言开发了GPS大坝三维变形监测网的数据处理软件系统，并对某大坝GPS变形监测网的三期观测数据进行了平差计算，其结果表明，所提出的数学模型更适合于GPS大坝变形监测网的数据处理．     

良浅大坝垂直位移观测资料分析

根据中、小型大坝气温观测资料少、位移基点易受到干扰等特点 ,选择合适的统计模型 ,研制了相应的计算程序 ,并应用于良浅大坝垂直位移观测资料分析 .从而揭示了大坝垂直位移的变化规律 ,获得较为满意的结果     

基于LM-BP和SVR的倾倒变形体变形预测

为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM BP神经网络和SVR进行变形预测研究。基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM BP神经网络模型和SVR模型,对部分监测数据进行（先行学习）训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况。分析结果表明,2个模型精度都比较高,LM BP神经网络模型的最大误差为2.53%,SVR模型的最大误差为4.35%,预测方法有效。     

西域砾岩砂砾料沥青混凝土心墙坝湿化变形数值分析

我国新疆地区广泛使用西域砾岩砂砾料作为筑坝材料,由于西域砾岩砂砾料浸水后易软化、崩解,大坝蓄水后的湿化变形分析成为工程界广泛关注的问题.联合广义塑性模型和西域砾岩砂砾料湿化模型,对某沥青混凝土心墙坝进行了湿化变形有限元分析.结果表明:广义塑性模型和西域砾岩砂砾料湿化模型能够很好地反映大坝湿化变形及应力分布规律;上游蓄水湿化使坝体向上游方向的水平位移和沉降都增大,最大水平位移由竣工时的1.5cm增至22cm左右,最大竖向沉降由竣工时的0.17%坝高增至0.53%坝高,筑坝料的湿陷使心墙的变形也增大;西域砾岩砂砾料的湿化变形明显大于花岗岩堆石料,最大竖向沉降是花岗岩堆石料的近3倍,其湿化造成坝顶上游侧出现局部拉应力区,有可能导致坝顶出现裂缝.因此,在新疆干旱地区采用西域砾岩砂砾料筑坝时考虑蓄水时的湿化影响是十分必要的.     

基于遗传算法的带缝重力坝弹性模量反分析

根据混凝土重力坝坝顶水平位移观测资料,采用逐步回归方法分离出了坝顶水平位移的水压分量;以大坝和基岩的弹性模量识别反问题作为优化问题,利用改进的遗传算法,并借助接触单元模拟坝体纵缝进行了有限元反演分析.某带缝重力坝数值计算实例表明,该计算方法能够较好地反映坝体结构的实际状况,参数反演分析计算效率高,计算结果与现场试验值及经验数据吻合较好,具有较高的合理性与可靠性.     

300m级弧形直心墙超高堆石坝应力变形分析

对某300m级超高直心墙堆石坝及作为比较方案的弧形直心墙堆石坝进行了三维有限元应力变形计算.对2种坝型在蓄水期心墙的应力、变形进行了比较分析,结果表明:蓄水期,弧形心墙堆石坝比直心墙堆石坝的水平位移和沉降略小;弧形心墙坝的心墙拱效应较弱,其抗水力劈裂能力优于直心墙堆石坝;弧形心墙堆石坝坝肩处的应力水平小于直心墙堆石坝的...     

大坝位移BP网络模型影响因子的优选

大坝位移影响因子中最优影响因子的选择,将直接影响到大坝的变形预报,将不同相关系数法引入到大坝位移重要影响因子的选择中,进行对比分析,基于BP神经网络进行预报与分析,得到大坝位移影响因子的优选法。     

瀑布沟砾石土心墙堆石坝变形分析

瀑布沟水电站为砾石土心墙堆石坝,最大坝高186m,为目前国内最高砾石土心墙堆石坝.以瀑布沟水电站砾石土心墙堆石坝施工期、蓄水期变形监测资料为基础,对其典型监测断面变形特征进行了探讨.分析结果表明,施工期各测点沉降测值随填筑高程的升高发展较快,运行期随时间发展较慢,水位对沉降变形有影响且有一定的滞后性,心墙整体变形规律性良好,下游堆石区的沉降变形以次堆石区为最,过渡料区次之,反滤料区较小,坝体下游堆石区变形不协调,这是瀑布沟大坝坝顶出现浅表裂缝的主要原因.该结论对土心墙堆石坝设计和施工有一定的指导意义.