水位变化对非均质库岸边坡稳定性的影响

在假定坡体内孔隙水水位为水平线且不考虑渗透作用影响的基础上,利用极限平衡法基于简化计算模型考察了库水位上升及下降的快慢对非均质库岸边坡稳定性的影响。对比计算表明:在库水位骤降或陡升的情况下,相同库水位对应的边坡安全系数基本上均小于水位缓慢变化情况下的安全系数。故工程实际中无论是排水还是蓄水,都应尽量保持库水位缓慢变化,这样才能尽量使库岸边坡处于相对较安全的状态。     

边坡变形的非等间隔预测模型探讨

针对传统边坡变形的非等间隔灰色预测模型模拟序列并非指数序列问题,基于灰色差分算法和搜索算法建立模拟结果为指数序列的边坡变形非等间隔预测模型.以链子崖危岩体为例进行预测,结果表明非等间隔预测模型对近似指数增长趋势的边坡变形数据预测精度更高,当建模数据为非等时间间隔时,可代替GM(1,1)模型与其他模型进行组合.     

基于SAPSO-RVM的大坝变形预测模型及应用

鉴于支持向量机(SVM)存在结构稀疏化不足、缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中。选择高斯径向基函数作为RVM模型的核函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优,进而建立SAPSO-RVM回归预测模型。实例应用结果表明,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高,SAPSO-RVM模型回归预测精度较高。     

基于优化果蝇算法和统计模型的混凝土坝变形预测模型及应用

鉴于构建大坝安全监测模型时传统统计模型拟合精度受样本系列长度、资料可靠性、拟合方法等多种因素影响,提出一种基于优化果蝇算法和统计模型的混凝土坝变形预测模型,利用优化果蝇算法对统计模型各项系数进行优化,以提高统计模型的预测精度。对某混凝土拱坝变形的拟合和预测结果表明,相比于统计模型,基于优化果蝇算法和统计模型的变形预测模型预测精度更高,拟合效果更好。     

基于改进自适应遗传算法的大坝变形支持向量机预测模型

针对支持向量机模型预测大坝变形的核心为选取惩罚因子C和核函数参数σ的问题,以及标准遗传算法可能存在收敛局部小而最后得不到全局最优解、收敛速度慢等缺点,采用改进的自适应遗传算法对参数进行寻优。实例应用表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证明该预测模型具有可行性和实用性。     

基于ARMA混合回归模型的土坝变形分析

针对大坝变形问题,提出了基于ARMA混合回归方法,筛选出大坝变形因子并建立了大坝变形模型.以某大坝为例,采用该法进行了计算并与统计多元回归模型的预报效果做了比较分析.结果表明,土坝的变形量与其自身历史变形量关系密切,水深对其变形有一定影响,温度对其变形影响不大,ARMA混合回归模型预报精度明显高于多元回归模型.     

基于ABAQUS有限元分析的大坝变形混合模型

基于Hyper Mesh软件进行大坝有限元建模、网格划分、加入荷载及约束边界条件,采用ABAQUS有限元程序进行结构计算,并应用有限元分析法获得水位位移分量构建大坝变形混合模型。实例验证结果表明,该混合模型拟合较好,可作为大坝变形监控工具。     

基于统计模型及有限元法的重力坝变形模量反演

鉴于坝体和坝基力学参数选择的合理性对大坝结构分析及安全评价指标拟定的重要性,结合实际监测资料,提出了基于统计模型和有限元法进行重力坝坝体和坝基变形模量反演的方法,在分析地基范围取值、坝体变形模量取值对坝基变形模量反演影响的基础上,建立合适的有限元模型和统计模型,通过有限元计算拟合实测资料中的水压分量,根据最小二乘法原理反演大坝变形模量。将基于统计模型和有限元法反演混凝土重力坝变形模量的方法应用于某实际工程,结合实测资料反演了典型坝段坝基和坝体的变形模量,计算结果合理可信,精度较高。     

基于改进PSO-SVM-MC模型的大坝变形监测模型

分析与处理大坝变形监测资料在大坝安全监测中意义重大。支持向量机(SVM)在大坝安全监测建模中应用广泛,但采用标准粒子群(PSO)算法对SVM参数寻优过程中,易陷入局部最优,且残差也会影响模型的预测精度。为提高大坝监测模型的泛化能力和预测精度,采用改进后的自适应位置PSO(APPSO)算法,对SVM模型的参数进行寻优,并利用马尔科夫链(MC)模型修正PSO-SVM模型的残差。工程实例分析表明,PSO-SVM-MC模型可提高模型预测的泛化能力和精度。     

基于COA-LSSVM模型的边坡位移时序预测

鉴于预测边坡位移变化对边坡稳定性的重要意义,利用布谷鸟优化算法(COA)对最小二乘支持向量机(LSSVM)的核函数参数和惩罚因子进行寻优,从而建立了边坡位移时序预测的COA-LSSVM模型,并将该模型应用于锦屏一级水电站左岸高边坡变形预测中。与PSO-LSSVM模型的预测结果对比表明,COA-LSSVM模型具有更高的预测精度,预测结果更接近于实际的监测数据。     

玉石水库影响下的碧流河水库洪水预报方法

流域内水利工程的建立可能会改变原有的产汇流机制,以碧流河水库为例,结合日模型和日供水,利用水量平衡估算水利工程的拦蓄作用,提出一种产流模型计算改进方法;并结合降雨、蒸发、前期土壤含水率、遥感等资料验证模型预报结果的合理性。模型计算结果表明,改进后的模型能有效提高碧流河水库的洪水预报精度,对该水库的防洪调度具有重要意义。     

基于最小二乘支持向量机的水库来水量预测模型

为提高水库来水量的预测精度,提出了一种基于最小二乘支持向量机(LS-SVM)的来水量预测模型。实例应用结果表明,该模型预测能力强、预测精度高,其预测精度明显高于BP模型,为来水量预测提供了一种可靠、有效的方法。     

基于组合模型的转子振动在线预测

转子振动是一个典型的非线性时变系统。针对转子振动在线预测难以实现的主要原因:预测精度和预测速度之间的矛盾,提出了一种基于组合模型在线预测的新方法。该方法将整个预测模块分成两部分:模型生成部分和在线预测部分。模型生成部分根据不断更新的数据不断训练新模型供在线预测部分使用,从而使在线预测部分避开了耗时的模型训练过程,为预测模型的不断更新和在线预测提供了一种新思路,并通过预测精度和预测速度验证了该方法的有效性。     

DFA_VMD_LSTM组合日径流预测模型研究

为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFA_VMD_LSTM),并采用均方误差(RRMSE)、平均绝对误差(MMAE)、平均绝对百分误差(MMAP...     

地震作用下土质边坡稳定性分析方法适用性分析

针对地震作用下边坡稳定分析方法之间的差异及其适用情况尚不明确的问题,以某三级均质土坡为例,基于Quake/w、Geo Studio、PLAXIS以及FLAC等软件,利用拟静力法、Newmark滑块分析法、动力有限元时程分析法、动力有限元强度折减法及有限差分强度折减法计算出安全系数,对比了5种方法的异同。结果表明,采用拟静力法获得的边坡抗震稳定性偏于安全;Newmark滑块分析法、动力有限元时程分析法计算的安全系数基本相同;动力有限元与有限差分强度折减法计算所得的安全系数相近,但在不同折减系数下计算的监测点位移相差较大。     

库水位下降条件下码头岸坡稳定性分析

以重庆市纳溪沟改扩建工程岸坡为依托,对接岸结构与码头结构无直接相互作用的情况,采用PLAXIS有限元分析软件分析了库区水位下降条件下码头岸坡稳定性影响因素、重力式挡墙受力变形规律及潜在滑坡失稳破坏机理。结果表明,码头岸坡安全系数随库水位下降呈先减小后增大的变化趋势,不同库水位下降速率会引起不同的码头岸坡最不利水位;岸坡内潜水位下降速率的滞后将产生指向坡外的渗透水压力,码头岸坡安全系数随库水位下降速率的增大而不断减小;库水位下降时重力式挡土墙可能发生绕基座底部朝向岸坡临空面方向的失稳倾覆,墙后回填岩土层可能发生拉裂解体,并沿危险滑面滑移失稳。     

基于LH-BP松散耦合模型的日径流预测

鉴于基流过程对降雨不敏感,致使传统的BP神经网络日径流预测性能受到制约的问题,结合LyneHollick(LH)数字滤波算法和BP算法的优点,建立了基于LH分割基流与BP神经网络日径流预测的松散耦合模型(LH-BP)。先采用LH数字滤波算法分割出基流,再利用BP神经网络预测锦江流域四个水文站的直接径流和基流。结果表明,LH-BP耦合模型较传统的BP模型性能更优,弥补了传统的BP模型对日径流模拟与预测的不足。     

影响库区波浪爬高因素的分析

分析了堤前植物带、护面结构和常用爬高公式对库区波浪爬高的影响,结果表明,堤前种植植物带和增大护面结构空隙率能有效地减小波浪爬高。不同的爬高公式计算结果相差较大,对于重大工程建议采用整体模型试验予以验证。