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。     

大体积混凝土浇筑质量问题的探析

本文主要从工程设计、工程施工及混凝土性质三个方面对大体积混凝土产生裂缝的原因进行了简要分析，并指出施工因素是其中的决定性因素，并在此基础上探讨了提高大体积混凝土浇筑质量的方法。     

低温环境下非饱和大坝混凝土毛细吸水饱和度分布研究

冰冻前的饱和度是影响运行期大坝下游面区域混凝土冻融劣化的重要因素，但现有报导混凝土毛细吸水试验研究一般针对烘干的富胶凝材料试件且未考虑重力和低温的影响.首先采用高压PE平口袋设计提出了一种侧吸法和上吸法的毛细吸水方法，然后制备3种水胶比、3种环境低温、2种养护龄期的二级配大坝混凝土试件，探索试件毛细吸水14d后距吸水面不同深度处的饱和度分布规律.试验结果表明，非饱和大坝混凝土毛细吸水14d后，饱和度随深度增加而明显下降后稳定在某一水平，饱和度随水胶比、环境温度和龄期变化的关系为θ_0.41<θ_0.50<θ_0.60、θ_2℃>θ_8℃>θ_5℃和θ_28d>θ_90d,上吸法测得的饱和度大于侧吸法，但上吸法和侧吸法测得的水分扩散深度均不超过17.5cm.     

大坝智能建造研究进展与发展趋势

我国高坝建设将进入新的发展阶段，对大坝工程智能化建设的关键问题提出了新的要求，而新一代信息技术革命为大坝建造智能化提供了新的发展途径，深度融合新一代信息技术推动建造智能化是实现“安全、高质、高效、经济、绿色”建设目标的关键，大坝智能化建造与建造智能大坝是新的发展趋势。因此，该文总结了智能建造理论发展的两条脉络，梳理了大坝智能建造技术发展的3个阶段，分析了智能建造各阶段技术特征、技术目标、理论理念、技术方法、管理模式及重大工程实践案例，阐述了大坝智能建造与智能大坝的关系，揭示了大坝建造智能化阶段的3个层次，阐明了智能化时代关键问题解决的理念变迁，探讨了大坝智能建造未来发展方向与关键技术。     

高强度大体积钢筋混凝土基础的浇筑技术

通过某一具体工程实例 ,介绍了在高温气候条件下对高强度大体积的建筑基础进行混凝土浇筑的技术方法 .该技术方法主要是采用外掺剂 UEA和设置后浇带 ,较好地解决了在高温条件下施工 ,对大体积混凝土不产生结构性裂缝的问题     

基于自抗扰控制的混凝土浇筑轨迹跟踪控制

为实现混凝土泵车高性能浇筑轨迹跟踪控制，抑制浇筑过程中由于混凝土泵送、风力等干扰对浇筑轨迹跟踪的影响，研究了混凝土泵车臂架系统的数学建模、浇筑轨迹跟踪控制问题。在分析臂架系统组成并建立连杆坐标系的基础上，应用拉格朗日方法建立了臂架系统的动力学模型。建立了泵送过程中混凝土与各臂架之间的摩擦力以及作用于臂架系统末端反向冲击力的数学模型。考虑混凝土泵送以及外部不可测量、不可预期的干扰作用于混凝土泵车臂架系统的情况，设计自抗扰控制(ADRC)方法。仿真结果表明，所设计的ADRC方法，对混凝土泵送干扰以及外部不确定干扰具有较好的抑制作用，实现了混凝土泵车臂架系统末端快速高精度轨迹跟踪控制，满足混凝土浇筑要求。     

赫章县新寨水库混凝土面板堆石坝设计与实践

贵州省赫章县新寨水库大坝为混凝土面板堆石坝，大坝枢纽区河谷地形不对称，左岸陡峭而右岸覆盖层较深，枢纽区建筑物的布置空间有限。根据实际地形地质条件，合理进行大坝枢纽区建筑物的布置以减少工程量及投资、加快工程施工进度，对大坝筑坝材料分区、溢洪道布置以及导流兼取水放空洞综合布置进行了优化设计。本文系统介绍了新寨水库面板堆石坝材料分区、枢纽建筑物布置、细部结构设计等内容，可供同类工程设计、施工参考。     

基于Copula熵理论的大坝渗流统计模型因子优选

针对大坝渗流统计模型需要考虑较多的前期项,造成参选的因子数量较大,进而导致常规方法的建模误差较高的问题,研究引入Copula熵理论,利用Copula熵和偏互信息(partial mutual information,PMI)相结合的方法,对输入因子的选取进行优化。针对Copula熵的求取,Copula函数采用Gumbel函数,分布采用柯西分布代替正态分布,并引入Hample准则来精确选取因子。将该方法在糯扎渡大坝渗流监测中进行应用,并与常规的因子选择方法进行对比分析,结果表明,采用基于Copula熵的因子优化选取方法的渗流统计模型具有更好的预测效果。