新疆乌苏市某水库第四系深厚覆盖层透水坝基防渗设计

新疆某水库大坝位于新疆塔城地区乌苏市境内,是一座以灌溉为主的山区拦河式水库,总库容623×104m3,坝型为碾压式沥青混凝土心墙砂砾石坝,坝顶长180 m,最大坝高65 m,坝顶防浪墙高1.2 m,坝前设计水头64.53 m。重点介绍了该水库大坝深厚覆盖层透水坝基防渗设计时,防渗型式的选择,槽孔混凝土防渗墙的定义、优缺点、墙体结构及设计指标的确定。     

河床覆盖层厚度对土石坝边坡稳定的影响分析

为探讨河床覆盖层厚度对土石坝边坡稳定的影响程度,采用有限元强度折减法进行了计算和分析.在坝体条件相同的情况下,分别计算了覆盖层厚度为0、5、10、15和20m时的坝坡稳定安全系数.结果表明:覆盖层厚度越大,坝坡的安全系数越小.但是当覆盖层厚度达到1倍坝高时,安全系数就趋于稳定,不会再随覆盖层厚度的增加而减小.     

官地水电站坝前覆盖层堆积体边坡的稳定性分析与评价

官地水电站坝前左岸覆盖层边坡的稳定性对工程的顺利进展相当重要。采用有限差分软件FLAC3D对其进行了三维稳定性计算,对覆盖层边坡在天然状态、施工期和运行期的整体及局部稳定性进行了综合分析与评价;采用强度折减方法对不同工况下的边坡可能的破坏模式进行搜索分析。得出结论:坝前左岸覆盖层边坡最可能的失稳模式是一种递进式的崩塌滑移破坏;水库蓄水后若遭遇强降雨、地震等极不利的情况,有可能出现大范围的整体滑移。     

基于神经网络参数优化的岩体边坡稳定性评价

高陡岩体边坡的稳定性是一个内部存在多种相互联系、相互影响因素的复杂系统,而BP人工神经网络属于非线性动态系统,较适合用于评价高陡岩体边坡稳定性.分析了BP网络模型参数对高陡岩体边坡稳定性评价精度的影响,并提出了对模型参数进行优化,以提高预测精度的若干办法.用一工程实例对参数优化后的BP神经网络在高陡岩体边坡稳定性评价中的应用效果进行了检验.研究表明,用经参数优化的BP人工神经网络模型预测高陡岩体边坡稳定性是可行的,预测结果虽然与实际状态存在一定的误差,但仍可以相对准确地反映边坡稳定状况.     

基于危险源辨识方法的公路堆积体边坡风险等级评估

堆积体是一类极不稳定的岩土体,工程力学特性受环境因素影响很大,我国西南地区堆积体分布广泛,在山区公路建设过程中,为保证施工安全和施工进度,亟需一套对沿线堆积体边坡进行准确、快速的风险评估体系。应用危险源辨识方法,考虑边坡堆积层厚度和含石量等岩土体特征,对危险源进行辨识和分类,确立主要危险源因子;建立堆积体边坡风险等级评估标准体系,采用层次分析法对危险源因子集赋权重,运用模糊综合评判法确定各边坡所对应的风险等级。应用该风险评估体系对云南大理到永胜高速公路沿线的９８个路堑边坡进行风险等级评估,结果显示,路堑边坡中Ｉ级边坡１个,ＩＩ级边坡４９个,ＩＩＩ级边坡２８个,ＩＶ级边坡２０个,研究结果表明,该方法可以快速有效地评估公路堆积体边坡风险等级。     

基于时移小波-灰色理论的边坡位移预测模型研究

边坡的变形稳定性问题是土木工程建设中亟待解决的问题之一。大量研究表明,用实测的边坡位移时间序列预测边坡未来变形更为准确。但外界因素可能使数据产生误差,需去噪处理,才能使监测数据更有使用价值。结合时移小波去噪和灰色理论,对锦屏一级水电站边坡位移监测数据进行研究,提出了时移小波系数相关性去噪及小波-MGM(1,n)预测模型。该模型通过对小波尺度系数和近似系数的分解与重构来模拟真实信号,进而预测边坡的深度位移曲线。经验证预测曲线与实测曲线很接近,为边坡的治理和防护提供了一定的参考依据。     

基于模拟退火神经网络模型的岩质边坡稳定性评价方法

 针对BP神经网络收敛速度慢、易陷入局部极小的缺点,将具有全局搜索能力的模拟退火（SA）算法引入到神经网络的权值优化中。并且在SA算法中引入状态接受过程和退火过程的自适应措施,增加了对当前状态最优解的"记忆能力",避免了当前最优解的遗失,提高了算法的搜索效率。通过对XOR问题求解的比较,显示出SABP算法具有全局收敛且精度高的优越特性。最后基于实际工程的边坡数据建立了一个SABP算法模型,成功解决了具有高度非线性特点的边坡稳定性评价问题。     

基于回归分析和小波变换的边坡变形组合预测研究

为有效地判断边坡变形的发展趋势,基于边坡变形的现场数据,首先利用回归分析和小波变换分解边坡变形数据的趋势项和误差项,并选取若干最优的分解数据进行组合确定边坡变形数据的趋势项和误差项,再利用BP和RBF神经网络对趋势项和误差项序列进行预测,得到单项预测的结果,最后研究分析了定权组合预测和非定权组合预测的效果。结果表明在趋势项和误差项的分离过程中,不同分离方法的分离结果具有一定的差异,以6次多项式回归、5次及7次傅里叶回归和sym2小波变换的结果较好;同时,在单项预测中,分项预测的效果要优于传统的单项预测,验证了分项预测的有效性,并由组合预测的结果可知,2种组合预测的效果均较好,均很大程度上提高了预测精度,且非定权组合的预测精度要优于定权组合预测的精度。上述研究为边坡的变形预测提供一种新的思路。     

基于自组织特征映射神经网络的边坡稳定性评价

将自组织特征映射神经网络(SOFM)应用于边坡稳定性分析,建立了评价边坡稳定状态的SOFM网络模型,并以工程实例对网络进行了训练和检验,研究结果表明,SOFM网络性能良好、预测精度高、简单易行,是边坡稳定性评价的一种有效方法。     

罗汉坪水库下坝址岸边坡深厚覆盖层问题研究

云南省罗汉坪水库下坝址除在右岸坝顶高程上部及坝轴线下游河床右岸一带有基岩出露外,坝址区广泛为第四系所覆盖.据勘探后得知,两岸为第四系覆盖层均为深厚覆盖层.通过对其该深厚覆盖层空间分布及形成机制的研究,为设计上对下坝址不良工程问题的处理提供了准确的地质资料.     

基于QPSO的小波神经网络控制器

通过理论分析基本PSO-WNN算法,在收敛速度慢和泛化性能低等方面自身有很明显的缺陷。根据单个粒子稳定收敛这一条件,提出一种改进的粒子群算法,并利用这种改进的算法来重新训练,重新得到一组小波神经网络权值,这样就能建立一种高效的粒子群小波神经网络控制器。最后进行测试,可以比较改进后的算法与基础POS-WNN,得出网络更容易全局收敛,函数逼近误差变小,迭代次数减少,分类精度升高。最后根据二级倒立摆的特点,设计小波神经网络控制器模块,对实验结果进行仿真研究,从而验证了小波神经网络控制器的有效性。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

基于小波神经网络的工程形变量预测模型

土木工程的形变量关系到工程的寿命和生命财产的安全。针对工程形变量的预测问题,应用小波神经网络建立了形变量预测的一般模型,给出了一般土木工程形变所考虑的影响因子,并通过实例进行验证。结果表明,该模型的预测值与实测值十分接近,避免了人为因素的干扰。应用该模型对于一般土木工程形变量的预测结果是准确的。     

基于小波神经网络的朝阳降水预测模型研究

本研究立足于朝阳地区1970—2010年的降水资料,利用MATLAB平台运用小波神经网络降水预测模型对朝阳地区降水量进行预测研究,并将该结果分别与真实值、BP神经网络预测结果对比分析,结果发现:基于小波神经网络的降水量预测模型取得了较高的预测精度,弥补了神经网络预测模型的缺点,减少了迭代次数,能够客观的反应朝阳地区降水情况且方法直观,为朝阳地区的降水量预测提供了较为有效的方法。     

基于小波神经网络的年降水量预测模型研究

为了研究某一地区年降雨量的变化规律、特点,以及该地区的旱涝情况,以便提前采取预防措施,减少灾害带来的影响,降低损失,试图通过建立小波与神经网络组合模型的方法预测年降水量.将采用小波神经网络模型预测出的结果与人工神经网络模型预测出的结果进行比较,结果表明:采用小波神经网络模型的预测结果在精确度上要好于单独使用人工神经网络预测的结果.与人工神经网络模型相比,小波神经网络模型具有较高的预测精度,在对降雨量数据进行预测分析时具有较大优势.     

基于改进粒子群算法的水库优化调度研究与应用

建立了九甸峡水库优化调度模型进行实例分析,并应用改进粒子群优化算法(MPSO)对模型求解。经计算,对于中水年情况,九甸峡水库可满足上下游需水要求,并可比原设计情况多发电0.72亿kW.h,比经典动态规划法多发电0.07亿kW.h,从而验证了改进粒子群算法对九甸峡水库优化调度模型的合理性和优越性。     

基于改进粒子群算法的多水库复杂联合供水优化调度研究

丹凤县县城不断增长的用水需求与工程供水能力之间的矛盾日益突出,为了充分挖掘工程供水的潜力,解决现有供水工程运行中弃水多、供水保证率低的问题,以弃水量最小为目标建立模型,采用改进粒子群算法对青峰水库和龙潭水库的联合供水进行优化求解。以月为计算时段,在优先考虑河道生态流量、蒸散发和渗漏损失的情况下,针对青峰水库200×10⁴ m³和220×10⁴ m³两种拟定兴利库容方案情景进行模拟。结果表明：迭代次数达36次时目标函数趋于稳定;与常规调度相比,两库的年平均弃水量明显减少,供水保证率有所提高;采用线性递减惯性权重改进的粒子群算法在青峰和龙潭两水库联合优化供水计算中具有优越性和可行性。     

基于改进ＡＨＰ－模糊综合评判方法的露天矿边坡稳定性评价

采用改进ＡＨＰ－Ｆｕｚｚｙ模型对矿坑边坡进行稳定性综合评价,基于湖北某矿坑边坡实例,选取 影响边坡稳定性的岩土体特征、地形地貌、人为因素、降雨、地震烈度５类评价二级指标和１５项一级具 体指标,构建二级评价指标体系,利用改进层次分析法确定各影响因素权重,运用模糊理论构造隶属度 函数,从而实现对边坡进行模糊综合评价。研究结果表明:边坡隶属度为０．３９,对应评语等级为稳定状 态,评价结果与实际情况较为吻合,该研究对边坡灾害预测预报及后续工程治理具有借鉴意义。     

基于AHP-CRITIC的公路土质路堑边坡风险评估模型

公路沿线边坡具有数量多、灾害频、危害大等特点,如何快速分析评估公路土质路堑边坡安全风险性等问题尤为紧迫。通过总结公路土质路堑边坡的破坏模式与稳定性影响因素,归纳出该类边坡风险评估的关键因子与评估指标,引入层次分析法并基于指标的数据波动性与相关关系,构建出公路土质路堑边坡风险评估模型,通过CRITIC法,利用数据的差异性与冲突性对评估模型各指标权重进行优化。结合指标权重法提出的防护工程评价模型,完善公路土质路堑边坡评估体系,最终通过深圳市S359省道11个公路土质路堑边坡进行评估验证。评估结果显示：评价结果与专家判断结果的相似度达到90.90%,说明公路土质路堑边坡风险评估模型较为可靠。该风险评估体系弥补了边坡风险评估中将自然条件、危害程度与防护工程综合评估的空白,可为实际工程评估提供方法理论支撑。     

基于PCA-BP神经网络的水电站库区边坡稳定性分析

为检验神经网络在水电站库区边坡稳定性预测的可行性,通过结合原始数据PCA及神经网络的模式识别特性,构建神经网络模型,对38组实测数据进行PCA处理,选取32组数据作为神经网络输入端数据、6组数据验证神经网络的工作性能。结果表明,神经网络对水电站库区边坡稳定性模式识别率达到83.3%。训练良好的神经网络可以用于工程实践中的水电站库区边坡稳定性预测。