基于改进粒子群优化算法的施工期拱坝结构性态反演分析

针对施工期拱坝坝体变形的特点,建立了施工期拱坝坝体变形特殊安全监控模型,对坝体变形中的水压分量进行提取。采用改进的粒子群优化算法对拱坝反问题最优控制解模型进行优化计算,以此完成施工期拱坝结构性态的反演分析。以某拱坝为例,对该拱坝施工期的结构性态进行反演分析。结果表明,坝体变形反演的相对误差均在2%以内,由此验证了所提出方法的可行性。     

考虑体形影响的特高拱坝施工期坝基变形统计模型研究

拱坝浇筑高度的变化是施工期坝基变形的主要影响因素,传统的施工期变形监测统计模型中浇筑高度分量未完全考虑坝体体形的影响。在传统变形监测统计模型的基础上,引入竖向压重分量和弯矩分量替换坝体浇筑高度分量,建立考虑体形影响的特高拱坝施工期坝基变形统计模型。白鹤滩水电站坝基监测数据计算表明,所提出的新模型具有较高的计算精度和预测效果。     

改进温度分量的拱坝变形时空分布模型

通过对混凝土拱坝变形滞后特性的研究,分析了温度效应对坝体位移影响规律,并引入瑞利分布函数建立了改进温度分量的拱坝变形监控统计模型。再通过引入空间坐标,考虑变形值在空间的连续性,建立了改进温度分量的拱坝时空分布模型。由于所建立的监控模型因子较多,因此应用粒子群算法和逐步回归分析法进行参数寻优。最后将所建立的拱坝变形时空分布模型应用于某拱坝变形监控中,结果显示:影响因子的个数减少,复相关系数及剩余标准差均优于传统模型,所建立的模型较传统大坝变形监控模型精度更高、拟合效果更好。     

基于动态聚类法的拱坝变形监控模型研究

拱坝变形的影响因素包括荷载、坝体结构、地形地质条件、材料物理力学性质等,各影响因素之间相互影响,且各影响因素之间的关系及影响因素同拱坝变形之间的关系具有模糊性。应用模糊数学理论,研究并分析了拱坝变形及影响因素间的模糊关系,在此基础上,建立了基于动态聚类法的拱坝变形监控模型。以某拱坝为例,将所建立的拱坝变形监控模型应用于该拱坝的变形监控分析中,结果表明所建的模型有着较高的预测精度。     

基于质量检测与安全监测数据的补强拱坝弹性模量反馈

针对施工期进行补强加固处理的高拱坝在长期服役后真实材料力学参数是否满足设计要求的问题,本文依托某施工期补强碾压混凝土拱坝工程,首先采用钻孔取芯、大坝弹性波CT及表面波法(SASW)和现场普查相结合的方法进行大坝混凝土质量检测;进而基于变形监测资料对拱坝的实测位移进行定性分析;然后通过建立径向位移统计模型进行定量分析;接着采用正交设计-BP神经网络-数值计算相结合的方法,优化反演坝体和坝基的弹性模量。研究表明:该补强拱坝坝体内部混凝土强度基本在30 MPa以上,反演获得的坝体混凝土弹性模量为30.13～33.30 GPa。虽然该补强大坝拱冠梁处测点变形偏大且存在左、右岸变形不对称的现象,但结合运行期大坝质量检测成果以及参数反演结果,可认为目前补强拱坝运行状态良好,坝体混凝土能满足设计要求。     

某混凝土拱坝异常变形规律原因初探

根据原型监测资料,某混凝土拱坝在蓄水之后出现异常的倾向上游的变形。为查找原因,同时考虑该拱坝所面临的谷幅收缩问题,拟基于考虑谷幅收缩变形影响的时效因子建立坝体变形监控模型,并与常规的监控模型对比,结果表明:基于考虑谷幅收缩影响的预置时效因子所建立的监控模型更为合理;温度作用对坝体变形的影响较小;水压荷载的综合作用效果是使得坝体倾向下游变形,仅因水位抬升消落变化造成水压变形分量的大小存在波动;在谷幅持续收缩的条件下,拱坝坝体受到了两岸坝肩岩体对其显著的挤压作用,这很可能是坝体倾向上游变形的主要驱动力。     

基于BP神经网络的拱坝温度监测数据预测模型

实时监控拱坝的温度对工程进度和坝体安全具有重要意义.以白莲崖碾压混凝土拱坝温度监测数据为研究对象,建立基于MATLAB的拱坝温度监测反向传播(BP)神经网络预测模型,用原型观测数据对其进行校核和检验,并引入灰色理论中的GM(1,1)模型、混沌模型(最大Lyapunov指数法)与预测结果进行比较.结果证明,用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测,具有良好的应用前景.     

材料力学法在重力坝安全监控中的应用

本文用材料力学法计算变形荷载分量、温度分量,并建立变形监控模型。根据现行混凝土重力坝设计规范中对大坝强度和稳定控制条件,拟定变形监控指标。它与坝体变形和应力、稳定计算方法一致,对混凝土重力坝安全监控具有广泛的通用性。     

碾压混凝土拱坝应力变形有限元分析研究

拱坝的应力变形一直是业内研究的关键问题,对大坝的安全稳定性意义重大。文章对某碾压混凝土拱坝建立三维数值模型,有限元计算拱坝在运行期的主拉、压应力分布和坝体各项位移变化,分析得出该拱坝应力变形后产生的最不利位置,计算成果可为该拱坝在施工期和运行期安全监测提供一定的参考基础。     

拱坝混凝土施工期温度自动化监控系统研究与应用

拱坝混凝土施工期温度监测的传统方法是在典型坝段典型代表性高程布置永久温度计,其他坝段和坝块靠对冷却水管闷温后测量水温判断混凝土施工期的内部温度,温度监测误差大,数据少,难以为精细有效温控工作提供及时准确的混凝土温度数据,稍有不慎,极易产生温度裂缝。锦屏一级水电站混凝土双曲拱坝坝高305 m,是世界第一高坝,拱坝混凝土温控防裂是拱坝质量控制的关键技术问题。为此,拱坝建坝史上首次在锦屏一级拱坝全部浇筑仓块埋设温度计进行全过程温度监测,每个浇筑仓块埋设了2~9支不等的温度计,全坝共埋设温度计3 976支,温度监测工作量和数据量极为浩大,人工监测和监控难度极大。锦屏建设管理局牵头开展了高拱坝混凝土施工期温度自动化监控系统研究,经过仓面自动化采集方案与试验、坝体廊道自动化采集方案的研究比较,选用坝体廊道布置自动化采集单元方案;温度计电缆经向上牵引和向下预埋布设至坝体廊道后接入自动采集单元,采用光纤通信或无线通信,成功实现了拱坝混凝土施工期温度监测自动化,温度监测数据导入锦屏一级拱坝混凝土施工期温控信息集成系统后实现了各仓块温度自动监控管理。     

谷幅变形对拱坝工程安全影响案例分析及有关启示

为充分认识谷幅变形对拱坝的安全影响,收集了国内外受到谷幅变形收缩影响的拱坝案例,分析并讨论了拱坝的运行情况和应对谷幅变形的措施。综合这些工程案例,建议高拱坝工程建设应尽早开展谷幅变形相关监测,对出现的谷幅变形需开展相关机理研究,同时应结合大坝安全监测资料,采用多种方法分析谷幅变形对拱坝的安全影响,并可采取提高水库最低运行水位等措施改善大坝受力状态,避免谷幅变形对拱坝造成损伤。     

基于APSO和TWSVM的特高拱坝变形预测模型

为挖掘混凝土大坝变形监测数据与各影响因素之间复杂的非线性关系,提高特高拱坝变形预测精度,在孪生支持向量机(TWSVM)模型基础上,引入位置因子与速度因子,运用自适应粒子群优化(APSO)算法进行参数优化,构建了特高拱坝变形的APSO-TWSVM预测模型。实例验证结果表明,该模型可有效挖掘拱坝变形与影响因子间复杂的非线性关系,模型运算速度和精度均比传统SVM模型有明显提升。     

考虑多重共线性影响的特高拱坝时空监控模型

为了解决特高拱坝时空监控模型中因子数目众多、因子之间存在多重共线性以及各测点之间存在空间关联性的问题,基于大坝变形原型监测资料,采用核独立分量分析(KICA)方法提取独立分量,将多个测点信息转化为少数几个综合指标;将提取的独立分量代入利用灰狼优化(GWO)算法优化的支持向量机(SVM)模型,对特高拱坝空间测点进行回归预测,构建了KICA-GWO-SVM特高拱坝时空监控模型。工程实例分析结果表明,KICA-GWO-SVM特高拱坝时空监控模型与多元回归模型、BP模型及SVM模型相比,其非线性表达能力强且性能良好,能够降低多重共线性对大坝变形监测的影响,对特高拱坝变形序列的拟合与预测精度高,可以更加准确全面地表征大坝整体的时空变形性态。     

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。     

基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法

变形监测数据作为特高拱坝服役性态最直观的表征,蕴藏着丰富的时空信息和演变规律,对工程长治久安意义重大。然而,多源多维的变形监测数据受仪器本身及外界因素影响,往往存在数据缺失的现象,会对接下来的数据分析工作造成干扰。针对大坝变形监测序列中的缺失数据,基于Apriori关联规则算法挖掘测点变形在空间维度上的关联性,得到目标测点的强关联测点,随后以强关联测点的变形监测数据作为输入样本,利用贝叶斯优化的XGBoost回归模型填补了目标测点的空缺变形监测序列。结合锦屏一级特高拱坝工程实例表明,该填补方法实现了变形监测空缺信息的高效、精准填补,可用于类似大坝工程的变形缺失数据填补。     

高拱坝谷幅变形特征及影响因素分析

针对我国一些高拱坝蓄水后出现谷幅收缩现象,影响大坝工作性态和长期安全的状况,基于国内某高拱坝的谷幅变形监测资料,全面分析了谷幅变形的时空分布规律,并通过建立谷幅变形多元回归模型,对各条测线的谷幅变形过程进行了回归分析,分离出谷幅变形的主要影响因子。在此基础上,结合坝址区特定的工程地质和水文地质条件,对谷幅变形的影响因素进行了分析。结果表明,谷幅实测变形中库盘水压面载引起的变形分量、库水位滞后效应分量以及气温分量较小,大多数为时效变形;在特定的水文地质条件下,蓄水后渗流场演变过程中岩体应力的不断变化调整可能是谷幅收缩变形的主要诱发因素。     

考虑黏弹性滞后效应的拱坝位移监控组合模型

位移监控模型需要对拱坝变形性态兼具良好的解释和预测能力。水压-滞后-周期性温度-时效四因子HHST(Hydraulic,Hysteretic,Seasonal and Time)模型能够合理地解释锦屏一级拱坝的黏弹性滞后变形性态。为进一步提升该模型的预测精度,使用支持向量机(SVM)建立有限元计算所得拱坝黏弹性滞后位移与其因果因子之间的隐式关系,再将其融入到HHST模型中,进而基于多元线性回归建立拱坝位移的组合监控模型。以锦屏一级拱坝为例,减少输入因子数的组合模型的预测精度明显高于直接以HHST模型中18个因子作为输入的单一模型;SVM对滞后水压位移分量的预测精度明显高于基于约束最小二乘法的线性回归模型,采用2种滞后水压分量所建组合模型对拱坝变形性态具有相近的解释能力,而采用SVM滞后水压分量建立的组合模型可有效地提高拱坝位移的预测精度,多测点均方误差(MSE)平均降低21.67%,决定系数R²整体提高0.07%。     

特高拱坝结构性态诊断与监控方法述评

我国已建、在建多座特高拱坝工程,这些工程往往面临着高水头、高边坡和复杂地质条件等特殊服役环境,其设计、施工及安全监控等技术指标突破了现行规范适用范围和以往的工程认知。与一般大坝相比,特高拱坝工程复杂程度高,结构的力学行为具有独特特征,工程建设和运行安全控制要求更为严格。论述了坝体体型工程经验性评价参数、地质力学模型试验、数值模拟仿真分析等特高拱坝结构性态诊断关键技术,以及施工质量控制、温控防裂、跟踪监测反馈等安全监控技术;在此基础上,指出了特高拱坝长效服役健康诊断与安全控制的前沿热点问题,包括时空演化特征挖掘方法、服役风险率实时诊断模型、结构安全动态控制模式、智能感知与超前预警技术等。研究可指导特高拱坝的建设和运行管理。     

氧化镁混凝土拱坝的宏观变形

在整理三江拱坝等氧化镁混凝土拱坝工程长达十年之原型监测资料的基础上,结合拱坝在库水、空气、地基等边界条件下的实测温度,讨论拱坝的温度场及温度作用。同时,三江拱坝的正倒垂观测资料表明,全坝混凝土外掺氧化镁后使拱坝产生了类似于温升作用的变形效果,在宏观变形上进一步验证氧化镁混凝土的膨胀效应,并从拱坝宏观变形的角度讨论了混凝土外掺氧化镁后的工程意义。