基于卷积神经网络的大坝安全监测数据异常识别

为了减轻大坝安全监测数据异常识别的数据处理压力,解决传统方法难以辨别非最值异常点的问题,提出利用卷积神经网络(CNN)识别大坝安全监测数据异常模式。监测数据过程线的周期性及异常值的显著差别使CNN得以发挥图像分类功能,分别将存在单个突跳点、无异常、存在震荡段、台阶、多个突跳点、台坎的监测数据过程线作为6类图像,人工生成65 000张训练数据及6 500张测试数据,6类图像的数量比为1∶1.5∶1∶1∶1∶1。利用CNN对混合6种过程线图像的测试数据集进行图像分类,总体准确率为0.973 1,且6种图像的准确率都至少为0.93。进一步对CNN进行改进,构建CNN监测数据异常识别模型,增加数据异常位置搜索功能;模型输入为监测数据过程线图像,输出为图像编号、图像类别及异常位置。研究成果有助于实现大坝自动、及时预警,及时了解大坝安全状况。     

混凝土面板堆石坝水下面板裂缝成因数值分析

混凝土面板堆石坝的水下面板裂缝形成发展,影响了面板的工作性态。为揭示水下面板裂缝的成因,依据监测资料研究了运行期不利温度工况及施工质量对面板裂缝的影响,提出以空隙率的概率分布函数表征施工质量的方法,采用质量保证率模拟堆石区的施工缺陷区域,确定了运行期堆石坝面板裂缝分析的流程。以某混凝土面板堆石坝为例,通过结构计算研究了面板裂缝开裂区域的应力情况及变化趋势。结果表明:温度因子对深水区裂缝产生及发展影响不大。在水荷载作用下,当施工质量缺陷区堆石料质量保证率为90%时,计算的裂缝应力符合裂缝的检查情况,验证了该模拟方法的合理性。研究成果对面板堆石坝的安全运行具有工程意义,也对同种坝型运行期水下裂缝的成因和判断具有参考价值。     

基于Hypermesh的水工结构建模及应用

介绍了Hypermesh软件与CAD软件联合仿真的步骤,重点阐述了该建模方法中对网格的形状、疏密和衔接进行控制的原则。以不均匀地基上结构复杂的某水闸为例,系统地介绍选取特征断面构造模型几何轮廓、综合考虑多个断面划分二维网格和借助土层分界面建立地基的建模方法。经检验,该水闸模型质量满足仿真要求,计算结果符合水闸受力特征,最大拉应力为3.077 MPa(顺河向),出现在闸门过水1工况下水闸边墩支座上。Hypermesh结合CAD平面图建模的方法能够实现复杂水工结构仿真,对水工结构的安全评估具有一定参考价值。     

基于最大熵原理的大坝安全监控组合预测模型研究

大坝性态受到内外多种不确定因素的影响,使得监测效应量在一定程度上呈现出随机和不确定性的特点,单一的安全监控预测模型不可避免地存在某些缺陷。采用最大熵原理建立大坝安全监控的组合预测模型,该模型以各单一模型的预测结果作为约束信息,利用最大熵原理得到预测结果的分布。实例分析表明该方法能够突出监测量变化的随机性特点,有效地提高了大坝安全监控模型的预测精度。     

水气分离集成井降水强夯法试验研究

为了克服降水强夯法处理深度小、降水时间长的缺陷,结合扬中灏港通用码头软土地基处理工程,改进了传统降水强夯工艺,采用水气分离集成井降水联合强夯法进行加固处理。通过在常规真空井点降水强夯和改进降水强夯两个试验区开展现场监测和检测试验,对加固效果进行了对比评价分析,研究结果表明:水气分离集成井降水强夯工艺降水深度可达地表以下5~6 m,夯后孔压消散时间约为1~2天;地基加固后总地表施工期最大沉降量为0.606 m,可有效减小工后沉降;与常规井点降水强夯法相比,改进法加固后土体强度和地基承载力均有较大提高,地基加固效果优势明显。     

ABC-RBF神经网络在平板坝裂缝开合度监测中的应用

为提高混凝土平板坝裂缝开合度预测精度,针对混凝土平板坝裂缝开合度监测序列呈非线性以及周期性变化的特点,将基于EMD分解优化的ABC-RBF神经网络模型应用于混凝土平板坝裂缝开合度安全监测中,对比分析普通RBF和ABC-RBF神经网络模型。结果表明,ABC-RBF神经网络模型预测误差相对较小,可用于分析混凝土平板坝裂缝开合度的安全监测。     

赣江外洲站近50年水沙变化规律

基于赣江外洲站年径流量时间序列(1957-2008年)和年输沙量时间序列(1966-2008年),采用肯德尔秩次相关检验法、有序聚类分析和秩和检验法、小波分析法对赣江水沙变化规律进行分析.结果表明:年径流量时间序列趋势变化不明显,不存在显著跳跃点,当时间尺度为17时,存在以10～12a为周期的丰枯变化.年输沙量时间序列下降趋势明显,在1984年和1998年附近发生跳跃,周期性变化可分为两段,1966-1986年间,在时间尺度为6时平均变化周期约为4a,1986年后,在时间尺度为1时平均变化周期约为3.7a.水土保持、人工采砂、万安水库拦沙等是影响赣江输沙量显著变化的主要因素.     

改进的大坝安全监控粗集推理预报模型

针对已有粗集推理预报模型的不足,提出了一种改进的大坝安全监控粗集推理预报模型。该预报模型通过粗集论约简影响因素,并且结合贝叶斯定理对规则的约简引入一致度和支持度。实际算例证明,改进后的粗集推理预报模型可以用于大坝效应量的预报,与一般粗集推理模型相比,其在一定程度上消除了噪声数据对预报的影响,提高了预报的精度,在样本基数大的情况下预报较准,可信度较高。     

使用改进的分层抽取法研究淤泥沉积过程中的强度变化

现有的分层抽取法不能测试沉积过程中淤泥强度的变化,并且需要使用较多的孔隙水应力传感器导致试验成本很高。因此对此方法进行了改进,主要有研制了可测试强度极低淤泥的室内微型高精度十字板剪切仪和一个孔隙水应力传感器切换测试沉积柱不同高度处孔隙水应力的装置。由试验结果可知实测的数据完全满足需要,证明此方法是可行的。利用改进的分层抽取法可得到淤泥沉积过程中的泥水分界面高度、含水率（密度）、超静孔隙水应力、有效应力、颗粒分布、强度、压缩性、渗透性等参数的变化规律,可研究时间尺度较大的沉积淤泥的大变形自重固结和强度问题,并为进一步进行大变形自重固结的数值模拟提供了基础。     

河流横向混合系数的研究进展

横向混合系数是河流中污染物横向混合特性的重要体现与反映。本文针对不同河道情况下横向混合系数的确定方法进行了分析。首先归纳不同河道的无量纲横向混合系数的量值分布及代表性公式,顺直室内水槽试验的无量纲横向混合系数值在0.1~0.26范围内,天然河道量值分布较为离散,基本大于室内水槽的数值,并对不同代表性公式的适用条件和范围进行阐述;之后总结了利用示踪试验数据计算横向混合系数的各种参数计算方法,矩法和直线图解法简便易操作,线性回归法可分析非惰性污染物,加速遗传算法、人工神经网络等优化算法提高了计算精度并降低了人为主观性;接着详细介绍了弯曲河道中利用横向速度公式带入三重积分来计算横向混合系数的理论方法,Odgaard和Rozovskii的断面横向速度表达式与横向混合系数存在较好的响应关系,量化了二次流对弯曲河道横向混合系数的影响;同时对含植物、有冰层覆盖明渠以及不规则河岸等其他情况下的横向混合系数的探索进行了总结,最后提出了天然河流中横向混合系数研究中有待进一步探讨的问题。