土石坝渗流安全预测预警研究

针对土石坝渗流安全预测预警,依据土体渗透变形试验成果,采用重标度极差分析方法(R/S分析),阐释了渗流时间序列具有分形标度不变性,揭示了渗流时间序列具有趋势性和随机性双重特性。针对土体渗透变形的孕育—形成—发展—破坏全过程演变特点,结合时间序列性质强弱程度与渗流安全稳定状态,从定量角度提出了大坝渗流分维数指标、趋势性指标及预警等级划分标准,绘制了大坝渗透变形预警指标分布图,并应用于磨盘山水库工程,分析了土石坝异常断面渗流性态,预测了心墙土体渗透变形发展趋势,论证了土石坝渗流分形预警指标的实用性和可行性。研究结果为土石坝渗流异常原因甄别及突发事件应急处置提供了参考和技术支撑。     

土石坝变形数学模型研究

研究土石材料的非线性、应力路径以及流变等对土石坝变形的影响，提出新的土石坝变形数学模型及迭代建模方法，算例分析表明新模型提高了拟合精度，研究工作使土石坝变形数学模型趋于合理。     

土石坝沉陷的灰色预测

本文利用灰色系统对土石坝沉陷进行了预测,绘出了灰平面,经后验差检验,预测精度达到一级。灰色系统应用于土石坝变形预测,建模简便,预测精度高,具有实用意义。     

土石坝变形数学模型研究

研究土石材料的非线性，应力路径以及流变等对土石坝变形的影响，提出新的土石坝变形数学模型及迭代建模方法，算例分析表明新模型提高了拟合精度，研究了工作使土石坝变形数学模型趋于合理。     

基于EEMD-LSTM-ARIMA的土石坝渗压预测模型研究

渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响,测点的渗压值时间序列往往存在非平稳性、局部突变等特点,为此基于“分解-重构-组合”的思想构建了土石坝渗压预测的EEMD-LSTM-ARIMA模型。首先采用集合经验模态分解（EEMD）对时间序列特征进行提取,根据长短期记忆神经网络（LSTM）对提取出的特征分量进行预测,同时结合差分自回归移动平均方法（ARIMA）进行残差修正,组合LSTM和ARIMA的预测结果,重构得到改进预测模型。以某深厚覆盖层上的土石坝工程为例,选取主河床坝体防渗墙后2个典型测点的实测渗压值序列为研究对象进行应用验证。结果表明：相较于单一的LSTM模型和ARIMA模型,改进模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为3种模型中的最小值,预测精度明显优于另外2种模型,该模型为土石坝渗压的精确预测分析提供了新途径。     

基于云推理自回归算法的大坝变形预测

土石坝的时效变形具有一定的单调性和不确定性。云模型较好地把定性概念的模糊性和随机性结合在一起,对不确定性问题的解决有着很强的鲁棒性。将云模型及云推理运用于土石坝的变形预测中,采用云推理自回归算法可初步解决土石坝变形预测中所存在的模糊性和随机性问题。预测实例表明:该方法预测精度较高,预测值与实测值基本吻合。     

基于小波消噪及BP神经网络的大坝变形分析

基于港口湾大坝多期变形观测数据,采用Matlab语言、小波消噪及BP神经网络分别建立了基于时间序列和基于环境因素的大坝变形监测BP神经网络模型,并利用模型分别对大坝某点变形值进行预测。时间序列BP模型具有结构简单、学习速率快的特点;环境因素BP模型精度高,可有效反映变形因素,便于拟合预测复杂的测点变形,相对前一种模型能更好地揭示大坝变形规律。两种建模方法先应用小波分析对原始观测数据消噪,训练过程中采用附加动量法等改进BP算法,大大提高了BP神经网络的计算效率,克服了其易陷入局部极小的缺陷,取得了良好的拟合效果和预测精度。     

基于盲信息理论的土石坝安全评判方法的研究及应用

由于土石坝施工及运行期坝体变形受时间因素的影响较大,常因选取的数据时间段难以确定,造成土石坝安全综合评判模型存在较大的误差.基于此,在综合评判中选取多个不同时间段的数据并赋以相应的可信度,利用盲数表达监测数据和巡视检查结果,将盲信息的数学处理运用到土石坝安全综合评判的工程实例中,并运用盲数运算法则进行盲数处理的探讨,得到了有一定参考价值的评判结果,并克服了传统的数学模型信息描述过于绝对化的问题.实践表明盲数在土石坝安全监控的综合评判中有较好的实用价值.     

基于GNSS实时监测的土石坝表面变形时序分析

利用茜坑水库主坝GNSS自动化监测系统的实测数据,采用回归分析的方法进行坝体表面变形分析,建立包含水位和时间的数学模型,对观测墩位移变化进行预测分析,并结合实测值对预测值进行验证。结果表明,茜坑水库主坝上下游方向的变形主要由水库水位变化引起,竖直方向的变形主要由时效因素引起。通过建立水库上下游方向变形随水位变化的模型,结合实测数据修正,实现了有效的变形预测,预测结果可应用于变形监测系统的自动预警。GNSS自动化监测系统获取的长期、连续的变形数据,为分析土石坝表面变形的机制提供了数据支撑。     

基于CATIA二次开发的土石坝三维参数化建模方法

针对土石坝交互式三维建模方法过程复杂、耗时长、不易修改等缺点,本文探索出一种基于CATIA二次开发技术的参数化建模方法。将土石坝断面节点坐标存储在Excel表格中,在Excel自带的Visual Basic开发环境中获取CATIA相关应用程序编程接口,采用Excel-VBA语言对CATIA进行二次开发,从而建立特征参数与三维实体之间的联系,实现土石坝三维参数化建模的功能。该方法能够快速高效地创建土石坝三维模型,为后续的仿真计算节省大量时间。     

基于BP-ARIMA的混凝土坝多尺度变形组合预报模型

针对大坝变形常规统计预报模型在监测信息挖掘时的优势单一性及预报精度欠佳等问题,视大坝变形观测资料为非平稳时间序列,从影响大坝变形的因素出发,将其分为周期性影响因素与随机影响因素,利用多尺度小波分析方法将大坝变形监测序列分解并重构,结合BP神经网络与自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)对其随机信号与系统信号分项训练预报,并将其预报值相叠加,据此,应用时间序列原理提出了一种基于BP-ARIMA的混凝土坝多尺度变形组合预报模型。工程实例分析表明,所建组合模型较常规模型能够有效挖掘监测信息中所蕴含的有效成分,预报精度显著提升,且计算分析过程简便,为高边坡及水工建筑物中其他监测指标的预报提供了新方法。     

基于原型监测资料的特高拱坝变形实时风险率模型

混凝土坝风险率分析模型通常基于结构极限状态功能函数对单个监测点一维时间序列建模,未考虑变形监测点之间的相关性及多重共线性问题。基于原型监测资料,考虑各分区所有测点的相关性及不同分区变形之间的协同性,引入面板数据理论对特高拱坝监测点进行聚类分区,在拟定单测点风险率函数的基础上,提出计算特高拱坝变形分区单测点实时风险率的方法,基于Copula函数进一步构建基于原型监测资料的特高拱坝整体实时风险率分析模型。实例分析表明,所构建的模型确定了依据大坝长序列立体监测数据建立变形实测效应量与风险率的函数关系,可有效分析特高拱坝各分区变形风险率及整体变形风险率,能够客观刻画特高拱坝整体风险率变化的基本规律。     

IVDF模型在土石坝监测数据预测中的应用

土石坝的监测数据预测对于揭示坝体变形规律、保障坝体结构安全具有重要意义。基于分形理论,将改进变维分形模型(IVDF模型)应用于土石坝小数据量监测数据的预测,以铜山源土石坝为例,选取混凝土防渗墙的应变监测数据作为研究对象,对应变进行预测,并分别用灰色模型GM(1,1)和BP神经网络进行对比预测。计算结果证明,IVDF模型充分利用分形的自相似性特征,抗噪性强,预测精度高,适用于小数据量监测数据的预测,具有良好的应用前景。     

基于示踪法的土石坝裂缝发育深度检测及成因分析

根据探地雷达的检测原理,引入与土体介电常数差异较大、具有强烈反射性的示踪剂,结合探地雷达技术来检测某黏心墙土石坝裂缝的发育深度。通过对灌入示踪剂前后探地雷达检测剖面图像裂缝深度的对比分析,发现裂缝深度检测值提高了20%~50%。通过对坝体监测资料中坝体变形、库水位和裂缝开度进行相关性分析,发现土石坝正常运行情况下,坝体前后变形、水平竖向变形的不一致会引起坝体的开裂,库水位的变化是导致土石坝坝体开裂的主因。通过对坝体的裂缝发育深度的检测以及裂缝成因分析,为土石坝工程的管理和维修加固提供了科学的决策依据。     

漳泽水库大坝测斜仪的施工埋设与监测分析

介绍了漳泽水库大坝内部水平位移的测点布置，叙述了测斜仪的施工埋设步骤及观测方法，对漳泽水库大坝测斜仪的观测结果进行初步定性分析。斜仪观测结果表明，漳泽水库在坝内部的变形较小，且随上游水位升降而变化，在坝整体稳定性态是正常安全的；个别测孔的测值偏大，说明局部可能存在薄弱环节，今后应加强观测。     

沥青混凝土心墙堆石坝地震变形评价方法及其可靠度分析

沥青混凝土心墙堆石坝可就地取材,工程造价低,在我国西部强震区被广泛应用。因其工作条件复杂,且筑坝材料具有非线性特性,故其地震安全评价问题一直受到工程界的关注。因此开展地震作用下沥青混凝土心墙堆石坝的可靠度分析具有理论意义和工程应用价值。本文以坝体裂缝作为坝体地震变形破坏的判断依据,将坝体地震变形倾度作为地震安全的控制指标,建立了基于倾度法和中心点法的沥青混凝土心墙堆石坝地震变形可靠度分析方法。以某98 m高的沥青混凝土心墙堆石坝为例,进行了地震变形的可靠度分析。结果表明:基于本文沥青混凝土心墙堆石坝地震变形可靠度分析方法,获得的大坝设计基准期内的年计地震变形失效概率py=2.156×10~(-6),对应的可靠指标β=4.6,满足规范要求;采用倾度法和中心点法相结合,可以考虑坝体材料分区的影响,获得较为准确的土石坝地震变形失效概率结果,对土石坝具有普遍适用性。本文提出的土石坝坝体地震变形可靠度分析方法,可为沥青混凝土心墙堆石坝抗震设计、地震风险分析以及风险等级的建立提供依据。     

模糊聚类法在大坝监测资料分析中的应用

为了解模糊聚类法在大坝监测资料分析中应用的适宜性,利用该法对水布垭面板堆石坝2013年面板挠度变形监测数据开展了研究。首先将监测管道划分为若干监测点,运用模糊聚类分析法对监测点进行分类,并采用F统计量评价聚类效果以确定最佳分类,对分类结果进行分析比较,可确定关键的面板变形监控点。随后建立面板挠度变形统计模型,考虑上游水深、温度、时效等因素,利用多元逐步回归分析法对关键点监测数据进行预报拟合。结果表明,利用模糊聚类分析法处理大坝监测数据具有便捷、高效的优点,模型预报结果拟合度较高。     

茜坑水库主坝表面GNSS变形监测系统设计与实现

安全监测是保障水库大坝安全的重要措施,表面变形监测是其中一项重要内容。传统的水准仪、全站仪人工变形观测手段监测效率低,无法实时连续、全天候观测。以北斗、GPS为代表的GNSS变形监测技术,具有实时连续、全天候、自动化监测的优点。介绍了茜坑水库主坝表面GNSS自动化变形监测系统的集成方案,分析了运行期间监测数据的精度和可靠性,验证了系统具备毫米级精度变形监测能力。系统的成功建设表明,GNSS技术能很好满足土石坝监测的应用需求,对加强水库抵抗恶劣天气能力、提升水库信息化管理水平具有重要意义,未来在变形监测领域应用前景广阔。     

滑坡变形趋势判断及时间效应研究

为研究滑坡的变形趋势及时间效应,首先采用三次样条法插值对监测数据进行预处理,再利用R/S分析方法分析各监测点的监测数据及滑坡变形的时间效应。结果表明：各监测点两序列的Hurst指数均大于0.5,都具有持续性增长的趋势,但变形-时间序列较速率-时间序列具有更强的持续性;滑坡的主要变形路径将随后期的持续变形而有所改变,并使其余各监测点的变形趋势也有所改变。通过上述研究,以期对滑坡后期的工程治理有一定的指导意义。     

大坝变形的小波分析与ARMA预测模型

大坝变形观测资料可视为非平稳时间序列,从影响大坝变形规律的因素出发,可将其分解为主值函数项、周期函数项和改进后的平稳时间序列。其中主值函数项采用逐步回归法拟合,针对时效因子采用半经验公式无法准确拟合实际变化情况,采用小波分析法将序列分解为低频和高频两部分信号,其中低频部分代表时效等因素影响的变形趋势;高频部分代表水位、温度等影响的变化规律,应用时间序列原理分别建立变形预测ARMA（p,q）模型,从而在现有水位、温度观测资料下预测坝体未来的变形趋势。实例计算结果表明,结合小波分析的时间序列法建立的预测模型,预测精度高于统计回归分析,预测效果良好,可作为一种有效方法应用于大坝变形预测中。