基于极值理论的大坝变形监控指标拟定

为研究极值理论在大坝变形监控指标拟定上的计算方法,先阐述了极值理论中BMM模型和POT模型的计算原理,并利用对数似然函数实现参数估计;然后采用超均值函数图法选取POT模型的阈值,结合大坝失事概率拟定监控指标。工程实例分析表明,极值理论在大坝变形监控指标拟定中有效可行,精度较高。     

基于极值理论的岩质边坡变形预警指标估计

边坡变形预警指标估计对实现边坡安全监控具有重要意义。基于极值理论,建立区间极值(BMM)模型和超阈值(POT)模型,分别利用广义极值分布(GEV)和广义帕累托分布(GPD)对边坡变形监测数据尾部进行拟合分析,结合边坡失事概率,完成对其预警指标的估计。结果表明,两种模型均满足K-S检验,但POT模型可更好地刻画变形监测数据分布的尾部特征,对预警指标的估计偏于安全。研究结果可供类似工程参考。     

基于IFOA-GNN的土石坝施工期位移预测模型

有效预测土石坝施工期的位移对大坝安全运行具有重要意义。针对基于智能学习的大坝位移预测模型存在的不足,提出了一种基于改进果蝇算法(IFOA)与灰色神经网络(GNN)相结合的土石坝位移预测模型,即通过改进的果蝇算法迭代调整灰色神经网络的权值和阈值,得到全局最佳的初始化参数,将其结果输入灰色神经网络,并将其应用于某土石坝施工期位移预测。结果表明,该预测模型预测精度高、预测结果稳定,且精度及稳定性均优于灰色神经网络模型(GNN)和果蝇算法与灰色神经网络(FOA-GNN)预测模型。     

基于改进TOPSIS法与风险态度区间评价的土石坝防渗治理方案优选

科学评价土石坝防渗治理方案，对实现工程安全运行、加强大坝全生命周期安全监管体系建设，具有重要意义。从工程除险效果、工程管理、工程经济和工程施工四个准则层出发，构建土石坝防渗治理方案评价指标体系。针对防渗治理方案优选过程中决策者风险态度难以评估问题，引入风险态度因子对指标进行区间评价赋值，并基于博弈论优化主客观权重，进而利用改进的TOPSIS模型对方案进行分析评价。以某水库防渗治理备选方案为例检验该优选体系的有效性，结果表明该方法对防渗治理方案的优选有效可行。     

复合土工膜防渗土石坝渗流安全监控指标拟定

复合土工膜作为一种质轻、强度高、价廉的防渗材料,应用于大型水库防渗工程时,需监测其防渗效果。以西霞院反调节水库复合土工膜斜墙防渗砂砾石坝为例,根据历史监测资料,考虑库水位、温度、降雨、时效的影响构建渗流统计模型,分别采用置信区间法与典型小概率法拟定膜后渗流安全监控指标。结果表明膜后渗压水位较低,总体上无明显变化趋势,复合土工膜防渗效果明显。采用置信区间法拟定该工程大坝渗流安全监控指标更合理,可实时监测渗流安全状态,提供准确预警,保障大坝安全稳定运行。     

云模型在大坝安全监控指标拟定中的应用

针对传统大坝安全监控指标的拟定方法具有一定局限性的问题,在分析原始监测数据的基础上,通过正、逆向云发生器产生监测数据的期望、熵、超熵等数字特征,利用这些数字特征计算定量的转换值,从而实现定量—定性—定量的转换,进而确定安全监控指标,以某混凝土重力坝为例,运用云模型拟定了该坝#9坝段坝顶水平位移安全监控指标,并与典型小概率法的拟定结果进行了对比分析,验证了云模型的优越性。     

基于萤火虫算法的大坝安全监控BP网络模型及其应用

为改善大坝安全监控BP神经网络模型易陷入局部极值的问题,引入萤火虫算法,用来获取BP神经网络的连接权值和阈值的初始值。依据大坝安全监测数据,借助改进后的BP神经网络,实现大坝安全监控模型的构建和安全状况预测。实例验证结果表明,改进模型较常规BP神经网络模型的训练效果更稳定,预测精度更高。该方法具有一定的实用价值。     

风电机组的机舱振动位移极值模型与现场数据验证

针对风电机组的安全性评估，研究机舱振动位移极值模型和现场数据验证。基于某风电场1.5 MW风电机组的计算模型，仿真DLC1.1工况下的载荷数据，建立风电机组机舱振动位移外推极值模型，结合统计学原理和载荷统计外推原理，得到风电机组的机舱位移极值；同时，对该风场风电机组机舱振动实测数据进行特征极值分析，用这些特征极值拟合得到不同风速段的风速分布和机舱位移分布，建立风电机组机舱振动位移的联合分布极值模型，外推得到位移极值。提出利用李雅普诺夫稳定性理论，确定风电机组机舱振动安全阈值边界的方法，利用这些极值确定风电机组机舱振动安全阈值边界，并用实际运行时的机舱位移极值数据，对这几种极值模型进行现场数据验证，无论仿真数据的机舱振动极值，还是实际数据的振动极值，均未超出安全阈值边界。     

飞来峡溢流坝段安全监控指标的初步研究

结合大坝的破坏特点和工作条件要求,提出一种适于确定飞来峡水利枢纽9号溢流坝段安全监控指标的新方法,即根据强度储备法研究得到的坝体坝基的局部屈服、临界屈服、失稳破坏的发展阶段及对应的应力位移条件,进行统计回归分析得到与上下游水位相关的大坝安全、警戒、极限状态判断的监控指标．为枢纽的安全运行提供了科学的参考依据。     

北疆膨胀土渠道混凝土衬砌结构变形特性研究

为研究北疆膨胀土梯形渠道混凝土衬砌结构变形和内力的变化规律,通过室内试验和数值模拟计算基土膨胀变形量,基于弹性地基梁理论,建立计算混凝土衬砌板变形和内力的力学模型,分析了基土初始含水率为6%、9%、12%、15%的膨胀土渠道运行后混凝土衬砌板变形和内力的变化规律。结果表明,混凝土衬砌板变形和内力值随基土初始含水率的减小而增加,当基土为风干含水率6%时,渠道底板和坡板膨胀变形最大值分别可达到3.48、3.94 cm;当初始含水率一定时,坡脚处膨胀反力最大,渠底板中间位置位移和弯矩最大;渠坡板距坡脚1/3处位移最大,距坡脚1/6处弯矩最大。最后,根据研究结果提出了两种“防渗保湿”工程措施。     

基于卡尔曼滤波的云模型在某混凝土重力坝裂缝监控指标拟定中的应用

鉴于传统裂缝监控指标拟定方法利用原始监测数据时存在一定的局限性,采用卡尔曼滤波对原始监测数据进行降噪处理,并通过云模型的正、逆向云发生器产生监测数据的期望、熵、超熵等数字特征,利用这些数字特征计算定量的转换值,从而实现定量—定性—定量的转换,进而确定安全监控指标。对某大坝下游面105m高程#18坝块水平裂缝监测序列的拟定结果表明,利用云模型进行安全监控指标拟定符合客观规律,且较传统的典型小概率法更具优势。     

改进的非等间距GM(1,1)大坝位移监控模型

针对传统GM(1,1)监控模型在拟合和预测大坝位移方面的不足,通过采用积分方式重构背景值、引进最佳赋权矩阵体现原始数据的时间影响效应、优化残差等途径,提出了改进的非等间距GM(1,1)大坝位移监控模型。结合工程实例,对比分析表明改进的GM(1,1)监控模型相比于传统GM(1,1)监控模型在对大坝位移原始监测资料分析的基础上,预测精度有较大提高,可作为一种新的预测手段应用于大坝位移预测中。     

IFNN时变模型在建立大坝位移监控中的应用

针对时变监控模型比常规监控模型更有效且能准确进行变量分离,通过改进的模糊神经网络(IFNN)结合时变模型对陈村水库大坝的水平位移进行拟合与预测,并与BP模型做了比较.结果表明,该模型拟合及预测精度均较BP模型高,与工程实例相近,可推广应用.     

基于深度学习的大坝变形预测模型

鉴于高性能的混凝土坝变形动态预测模型是预测结构性态演化、评价安全服役状况和保障稳定高效运行的关键措施。以混凝土坝原型变形监测数据为基础,借助开源深度学习框架TensorFlow建立了基于深度学习的混凝土坝变形预测模型。工程实例应用结果表明,基于深度学习的混凝土坝变形预测模型各项评价指标均优于现浅层神经网络模型和传统的统计模型,实现了动态高精度预测混凝土坝运行性态,具有很强的工程实用性。     

基于遗传神经网络的高边坡位移分析方法研究

针对神经网络的稳定性与计算精度依赖于初始权阈值,改进了标准遗传算法,采用改进遗传算法优化神经网络的初始权阈值,构建了遗传神经网络模型并应用于水电站高边坡变形位移模拟预测中.实例结果表明,该模型预测精度高、简单易行、快速实用,可应用于工程实际.     

PPA CM模型在双曲混凝土拱坝变形监控指标拟定中的应用

针对大坝观测数据的模糊性和随机性问题,引入投影寻踪法(PPA)及云模型(CM)理论,提出了基于PPA-CM模型的大坝变形监控指标拟定方法。模型采用投影寻踪法确定大坝各变形测点权重,运用信息熵理论构建多测点变形熵,基于云模型理论计算多测点变形熵的数字特征值,并依据云模型的3En规则,拟定了大坝变形测点的监控指标。结合实例,通过与小概率法结果对比分析,表明该方法合理、可行,具有重要工程应用价值。     

基于李雅普诺夫稳定性理论的抽水蓄能机组安全阈值整定方法

随着抽水蓄能电站数量的不断增加,其安全监控与管理就变得极为重要。抽水蓄能机组经常面临工况的急剧转换如突发事件甩负荷等,可能会给运行管理带来安全隐患。为此,基于李雅普诺夫稳定性理论提出了构建安全系统模型的安全阈值整定方法,并利用河北张河湾抽水蓄能电站的实际运行数据,对其进行了动态系统建模,完成了安全模型的构建及安全阈值的整定。将整定的阈值作为停机标准,对抽水蓄能机组实际运行参数进行动态实时监控,保证了机组安全平稳运行。     

基于概率统计的水电机组状态监测参数波动预警策略

针对目前水电机组状态监测系统中广泛采用的单一阈值预警模式的局限性,探寻更完善的预警策略,以对机组特性的波动及变化进行监测和预警.通过对实际的监测数据进行概率统计分析,利用数学工具对其概率分布进行了严格的分布检验,结果表明,监测参数的样本均值序列服从正态分布.进而利用正态分布的理论知识,提出了基于3σ准则的水电机组监测参数波动预警策略.相对于常见的单一阈值的越限预警模式,波动预警模式可快速有效地监测机组偶发的小幅变化,做出及时预警,有助于运行人员及时发现机组正在发生的渐变的运行特性变化,提高监测和预警的有效性,保障机组运行安全.     

基于PSO_GM_MC的某混凝土双曲拱坝监控模型

大坝位移的准确预测对大坝安全监控具有重要意义。针对传统的GM(1,1)模型在大坝位移监控中存在预测误差较大的问题,利用粒子群优化算法(PSO)对背景值权重参数寻优重构,借助马尔科夫链(MC)实现残差优化,建立了大坝位移的PSO_GM_MC监控模型。实例分析表明,PSO_GM_MC监控模型与传统灰色模型GM(1,1)相比,在大坝位移预测精度上有较大提高,可用于大坝位移的安全监控。     

基于概率分布的大坝服役性态预警指标估计

大坝服役性态预警指标估计对实现大坝安全监控意义重大。结合大坝服役性态自身特点,选取威布尔(Weibull)分布(含三参数和二参数模型)、伽玛(Gamma)分布和对数正态(Log-normal)分布,针对某坝#18坝段坝顶沉降、坝顶径向位移和坝体温度三种不同效应量,分别建立概率分布模型,以其与真实效应量累计概率分布间的差异性为判据,结合大坝失事概率,完成概率分布模型比较和预警指标估计。结果表明,四种分布模型均满足K-S检验,但三参数Weibull分布模型在坝顶沉陷和径向位移方面拟合效果更优,二参数Weibull分布模型在温度预警指标估计方面更有优势。