某特高土石坝防渗砾石土料含水率特性及现场改良试验研究

高海拔地区某３００ｍ级特高土石坝防渗土料天然含水率偏低,且高海拔气候对土料含水率有独特的影响,需要进行含水率改良试验研究。通过对该特高土石坝防渗土料天然含水率及级配改良后成品土料含水率进行大量数据分析,明确了土料进行含水率改良的必要性。针对高海拔防渗土料场气候特点,探究了土料在曝露及覆盖条件下含水率的变化规律。现场进行了大规模含水率改良工艺试验,采用了创造性的大体积料堆含水率取样方法,在土料闷制过程中进行了大量的含水率试验工作。对比试验结果表明,在覆盖条件下,加水后的土料料堆表面失水速率和含水率影响深度均低于不覆盖条件。因此提出了后续实际生产过程加强土料料堆覆盖封闭,从而避免水分过度损失的指导性建议。     

宽级配砾石防渗土料的防渗抗渗特性研究

结合瀑布沟水电站、硗碛水电站等利用宽级配砾石防渗土料的工程实例,对宽级配砾石防渗土料作为高土石坝防渗体填筑材料的防渗抗渗特性进行了深入探讨,并分析了粗粒含量对砾石防渗土料的级配、击实密度、防渗特性和抗渗特性的影响,探讨了填筑密度、填筑含水率与渗透系数的关系,以及粗粒的破碎对改善土体的防渗性能的作用,提出了上坝土料的级配...     

瀑布沟工程黑马I区宽级配砾质土全料在修正普氏功能下的击实特性研究

瀑布沟水电站心墙防渗料为宽级配砾质土，将宽级配砾质土作为土石坝心墙防渗料，国内尚无工应用经验。对电站拟用的黑马Ｉ区全料，采用修正普氏功能进行击实试验研究，为瀑布沟水电站土石坝进一步优化设计提供依据。     

瀑布沟水电站黑马I区防渗料的选择

介绍了瀑布沟土石坝选用黑马I区防渗料的勘测过程、级配组成、性能和渗透特性。试验研究表明，黑马I区砾质土料在剔除80mm以上粗粒后，渗透性、压实性能等满足设计要求，可作为大坝心墙的防渗料。     

混合岩风化土作为心墙防渗料的研究及应用

混合岩风化土是一种成分比较复杂的粗粒土,天然状态下颗粒组成包括软弱的风化岩块、砂粒、细粒土等,级配范围分布较广。经过碾散、击实后,颗粒组成以砂粒、粉粒、黏粒为主,级配变化较大。结合工程需要,对其作为心墙防渗料的特性进行了试验研究,论证了其作为心墙防渗料的可行性,并在施工中得到进一步验证,工程运行效果良好。     

瀑布沟工程宽级配砾石土抗渗性能改善试验研究

本课题结合瀑布沟工程的渗土料选择，对在坝址附近工程性质欠佳的土料，采用简单的剔除法提高其细粒含量，用掺合法，在粗粒含量较高的宽级配土料中按一定比例掺入细粒含量多的土料，达到改善其抗渗性能的目的，本试验研究成果已应用于瀑布沟工程土石坝防渗土料选择及初设文件中，具有较为明显的工程实际意义和社会效益。     

砾质土防渗料的压实设计

本文在介绍砾质土工程特性的基础上，结合国内外应用经验，对应用砾质土作防渗级配要求、土料设计作了论述，可供推广应用该类土料作土石坝防渗体设计的参考。     

某特高土石坝防渗砾石土料P5含量对其工程特性的影响试验研究

针对某300 m级特高土石坝防渗砾石土料，配制了不同P₅含量的试验料，对P₅含量对土料击实特性、强度特性、变形特性和渗透特性的影响开展了试验研究。确定了该工程防渗砾石土料的第一、第二含砾量特征值分别为37%和60%。最大干密度、最优含水率分别随着P₅含量的增加而逐渐增加、降低，但当P₅含量在60%～75%之间时，最大干密度出现持平，直至P₅含量增加到80%后才出现降低，最大干密度出现持平段的原因可能与颗粒破碎有关。随着P₅含量增加，土料的压缩模量、抗剪强度参数、变形参数、渗透系数逐渐增加，渗透特征坡降逐渐降低，土料渗透变形破坏模式发生改变。     

瀑布沟工程定级配砾石上抗渗性能改善试验研究

本课题结合瀑布沟工程的防渗土料选择，对在坝址附近工程性质欠佳的土料，采用简单的剔除法，以提高其细粒含量；用掺合法，在粒粒含量较高的宽级配土料中按一定比例掺入细粒含量多的土料，达到改善其抗渗性能的目的。本试验研究成果已应用于瀑布沟工程土石坝防渗土料选择及初设文件中。具有较为明显的工程实际意义和社会效益。     

大坝心墙砾石土料“平铺立采法”掺配工艺试验

长河坝大坝土料有用料储量较少,料场土料级配情况分布复杂,为了增加料场有用料的利用率,得到满足设计要求的心墙土料,需将粗、细料掺配合格后上坝.介绍了级配不均匀土料“平铺立采法”动态控制的掺配工艺试验,可供同类工程参考.     

满拉水利枢纽心墙砾质轻壤土工程特性研究

满拉水利枢纽大坝为宽心墙堆石坝 ,防渗心墙土料为宽级配砾质轻壤土。通过对土料的室内物理力学性质试验、现场碾压试验和系统试验成果分析 ,认为该土料具有较好的密实度 ,较高的抗剪强度和低压缩性。土料虽然具有含砾量不均 ,粘粒含量偏少 ,塑性较差 ,渗透系数偏大等缺陷 ,但只要作好反滤设计 ,合理确定施工参数 ,保证压实质量 ,完全可以满足防渗心墙的要求     

基于数字图像处理的土石坝坝料合格性智能检测方法

土石坝坝料的合格性检测通常是通过判断现场筛分试验获得的级配参数是否满足设计要求来实现的,然而通过筛分试验获取级配参数的方法存在采样率低,操作过程繁琐,智能感知程度差等缺点以致检测结果代表性差。为了提高坝料级配参数的智能检测程度,依托辽宁某电站现场挖坑检测位置处的图像和级配数据,采用融合空间信息的直觉模糊C均值聚类（SIFCM）算法进行土石坝料数字图像的分割,并利用等效椭球体积的方法实现了土石坝料的三维体积重构,进一步通过基于BP神经网络的级配修正模型修正后,得到真实条件下的坝料全级配特征曲线,进而获得评价坝料合格性的4个指标：最大粒径、P5含量、曲率系数C_c和不均匀系数C_u。实际工程应用表明,本文建立的基于SIFCM_BP算法的坝料级配特征智能识别修正模型具有较高的识别精度,本文方法为大坝碾压施工前坝料合格性快速判别与施工过程中坝料压实特性的实时评价提供了重要支撑。     

满拉土心墙堆石坝心墙砾质土材料设计

满拉水利枢纽工程堆石坝防渗土料为含砾轻壤土，通过对土料的试验分析，认为该土料具有较好密实度，较高的抗剪强度指标和低压缩性。其不足是渗透系数偏高，天然含水量偏低，塑性较差。为保证土料的渗透稳定性，进行了三维渗流计算及渗透试验，其结果表明，对该土料只要做好反滤设计，其防渗效果及渗透稳定性均是可靠的。根据计算及试验成果，心墙下游设三层反滤，以确保大坝的渗透稳定性。     

瀑布沟水电站高土石坝宽级配砾质土防渗性能研究

１９９２年４月至１９９３年底，成勘院科研所针对瀑布沟水电站工程存在的主要问题开展了室内、外一系列试验研究工作，重点研究了黑马Ｉ区料场在不同砾石含是、不同密度下的渗透性。简述了现场碾压试验原状土渗透试验成果。通过试验研究，对宽级配砾质土有比较系统的认识，建立了砾石含量与渗透系数的，用于防渗的砾质土中，砾石含量＜５０％，小于０．１ｍｍ含量＞２３％。为瀑布沟工程选择防渗料提供依据。     

水布垭堆石坝心墙防渗料试验研究

心墙堆石坝是水布垭水电站的主要比选坝型之一。该坝型的关键技术问题是如何选用心墙料。为此，通过多种手术开展了心墙防渗材料的试验研究。大量试验成果表明；以庙王沟碎石土和龙王冲风化页岩为主的水布垭心墙防渗料，其级配具有不均匀，不连续，不稳定和宽级配的特性；     

瀑布沟水电站高土石坝心墙防渗料的工程地质特性评价

以碎(砾)石土作高土石坝心墙防渗材料是近年来土石坝建设的发展趋势。本文结合瀑布沟大坝防渗体,论述了坝址附近防渗碎石土料场的地质特征和基本物理力学性质。经大量室内试验研究和现场碾压试验论证,黑马料通过简单的级配调整后,从防渗与抗渗能力、力学强度、压实性能、施工工艺等综合分析,可作为瀑布沟高土石坝防渗体的主要料源。     

旺隆水库泥岩心墙防渗料工程特性试验研究

针对旺隆水库泥岩心墙防渗料进行一系列的室内土工试验和现场碾压试验,研究了泥岩心墙防渗料的颗粒级配、击实、渗透性及现场碾压等特性,提出泥岩心墙防渗料的合理级配范围和压实控制干密度,级配范围内的泥岩防渗料具有良好的抗渗性能和力学性能。采用风化泥岩作为土石坝心墙防渗料是成功的,对同类工程中心墙防渗料的设计施工有借鉴和参考作用。     

瀑布沟水电站心墙防渗料工程性质研究

瀑布沟水电站心墙防渗料为宽级配砾石土，国内缺乏工程应用经验，因此在室内研究了多种改善该料工程性质的方案，最后经现场碾压试验验证，提出采用剔除法调整级配的方案，此法不但满足了工程需要，而且可简化施工程序、缩短工期、节约成本，经济效益显著。     

小浪底土石坝反滤设计

阐述了小浪底土石坝反滤设计的原则，方法和成果。设计中，根据大坝防渗体的结构特点设置了多种反滤。按各个部位反滤的工作条件和重要性，将反滤分为关键性反滤和非关键性反滤。对这两类不同性质的反滤采用了不同的设计原则和方法。对于关键性反滤着重强调在防渗体发生集中漏时应不致于产生渗透破坏而危及大坝安全，而对于非关键性反滤则根据不同情况进行适当简化。根据料场砂卵石级配特点和反滤设计要求，综合利用筛分料和轧制料改     

基于深度阈值卷积模型的土石料级配智能检测方法研究

土石料级配合理性直接影响土石坝的力学特性与抗渗性能,当前级配检测主要依靠人工筛分试验,无法实现大规模快速检测。传统图像识别算法不符合土石料级配检测的精度要求,深度学习图像识别算法需要海量人工标记的训练样本,难以满足工程实际需求。本文结合传统图像识别中基于最大类间方差的边缘检测算法与卷积神经网络深度学习模型,研究了土石料图像识别与级配数据智能分析相结合的级配检测方法,建立了可实现级配快速检测的深度阈值卷积模型(Deep Otsu Convolutional Neural Network,DO-CNN),提高了级配检测的精度,并以灰岩石料为典型样本,通过18组标准筛分试验获取土石料级配数据及图像,进行模型训练与验证。结果表明:与仅使用基于最大类间方差法的边缘检测模型相比,DO-CNN模型能够极大提高级配检测的准确率与稳定性,实现基于图像的土石料级配快速检测。对于5 mm以下细小土石料颗粒,模型识别精度同样较高。