沥青混凝土心墙堆石坝施工仿真建模与可视化分析

沥青混凝土心墙堆石坝施工仿真通过计算机模拟来研究和分析坝体的复杂施工过程,为工程设计和施工管理提供了有效的工具.文中对沥青混凝土心墙堆石坝施工系统进行了分解协调,阐述了沥青混凝土心墙堆石坝施工仿真的基本原理;在综合考虑施工过程中的复杂约束条件下,建立了沥青混凝土心墙堆石坝施工动态仿真的数学逻辑关系模型;基于Unity3D引擎,研发出网络环境下沥青混凝土心墙堆石坝施工过程的三维可视化分析系统.研究成果在某工程实例中进行了具体应用,成果验证了该仿真模型的有效性和技术方法的先进性.     

基于实时监控的碾压混凝土坝仓面施工仿真可视化分析

结合系统仿真技术、实时监控技术、数据库技术和可视化技术,开展碾压混凝土坝仓面施工仿真可视化分析研究,构建仓面施工精细仿真模型。该模型不仅可以通过仿真计算获得详细的仓面施工进度信息,而且实现了可交互的仓面施工三维动态可视化分析。研究成果已应用于西南某碾压混凝土坝工程。     

基于边缘优先和空间冲突的拱坝浇筑仿真研究

近年来,随着混凝土拱坝工程规模的不断扩大,其对工程施工进度的精细化、科学化控制提出了更高要求.浇筑机械的选择是大坝浇筑仿真的核心部分,针对混凝土拱坝施工过程中缆机选择的随机性和不确定性,提出了基于边缘优先准则和空间冲突模型的缆机选择机制,详细介绍了边缘优先准则的基本概念和工作机制,同时将浇筑机械作为一个整体空间模型进行分析,寻找缆机生产率与空间冲突模型的内在联系,建立了两者间的数学关系,最后基于该缆机选择机制研制开发了拱坝浇筑仿真系统.工程应用实例表明,所提出的理论方法和研制开发的拱坝仿真系统可对大坝施工进度进行实时、有效地管理,为拱坝建设过程的进度控制提供了新的理论方法和技术手段.     

耦合注意力机制大坝变形改进LSTM序列到序列预测模型

目前,大坝变形预测主要采用的浅层网络结构存在难以挖掘数据序列隐含深层特征的问题．常用的LSTM和GRU等模型虽然具有分析变形序列的时间自相关性特征的特点,但忽略了环境因子序列和变形序列之间的映射关系,且难以克服深度神经网络梯度下降训练易陷入局部最优的问题．针对上述问题,提出了耦合注意力机制大坝变形改进LSTM序列到序列预测模型．利用编码和解码双层LSTM构建序列到序列结构,同步提取输入影响因子和输出变形的序列特征,并耦合注意力机制,动态度量各影响因子对变形的贡献率,以提高预测精度．进一步利用蚁群信息素及双混沌优化改进鲸鱼捕食机制,构建基于改进鲸鱼优化算法的耦合注意力机制的LSTM序列到序列网络模型的无梯度环境,规避早熟收敛,弥补梯度下降本身的缺陷．工程应用结果表明,本文所提模型能够精确预测大坝变形,在各点位测试集上平均MAPE、MAE和RMSE分别为0.125%、0.604 mm和0.865 mm．此外,时效、水位和温度分量对点位变形的贡献率依次为51.93%、30.14%和17.93%．本研究为大坝安全监控提供理论与技术支撑．     

高拱坝施工质量与进度实时控制理论及应用

针对高拱坝建设能否实现高标准、高强度连续施工的关键科学技术问题,通过对高拱坝施工系统进行分解-协调耦联分析,综合考虑各种复杂的施工约束条件,建立了高拱坝施工质量与进度实时控制数学模型,提出了基于动态仿真的高拱坝施工进度实时控制方法,建立了基于PDA信息采集与分析的高拱坝施工质量动态控制机制,并研制开发了网络环境下集信息采集、进度仿真与质量控制分析于一体的高拱坝混凝土施工质量与进度实时控制系统.工程应用实例表明,所提出的理论方法和研制开发的系统能对高拱坝施工过程的各个环节进行有效地管理,可以实现施工在线实时监测和反馈控制,为高拱坝建设过程的质量与进度控制提供了新的理论方法和技术手段.     

心墙堆石坝4D施工信息模型及应用

为实现质量、进度、成本等多源施工信息动态可视化集成、满足堆石坝施工全过程直观动态分析的需要,在分析了心墙堆石坝施工信息多源特性的基础上,提出了堆石坝4D施工信息模型(3D几何模型+时间+多源施工信息)定义、构架,研究了堆石坝4D施工信息模型的实现方法,包括心墙堆石坝三维可视化建模方法、多源施工信息集成方法、堆石坝施工过程4D可视化分析方法等。实际工程应用表明,基于3DGIS平台能实现堆石坝多源施工信息集成与交互式查询分析及施工过程4D可视化分析,可为堆石坝现场施工控制与管理提供重要理论与技术支持。     

基于概念漂移检测的土石坝压实质量评价模型更新研究

土石坝压实质量评价模型的更新对保证其长期高精度评价压实质量具有重要的意义,然而目前对于压实质量模型的更新还缺乏相应的研究.借鉴流数据中概念漂移检测的思想,同时针对碾压施工流数据具有不平衡数据、含有噪声且流速缓慢的特点,本文提出了一种基于概念漂移检测的土石坝压实质量评价模型更新方法.首先提出基于K-means的下抽样技术处理不平衡数据;其次提出基于增强概率神经网络(enhancedprobabilisticneuralnetwork,EPNN)和可变窗口技术(variablewindowtechnique,VWT)的碾压施工流数据概念漂移检测方法;最后若检测到有概念漂移则进行压实质量评价模型的更新.工程应用表明:基于K-means的下抽样技术能保证分类器具有较高的一致性;基于EPNN与VWT的方法能有效地检测出碾压施工流数据概念漂移;同时以出现概念漂移为条件而更新的压实质量评价模型能够长期高精度评价压实质量.