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。     

HEC-RAS和MIKE11模型河床糙率应用比较研究

近十几年来,科学技术的发展为水流运动的数学模型研究提供了有利条件,并出现了大批商用软件.HEC-RAS和MIKE11作为最常用的一维水流模型商用计算软件,被广泛用于计算不同水文条件、工程前后河段的水流运动,并均有较好的计算结果.然而,两种软件从模型假设、建立到运行等方面存在着许多差异.本文着重以HEC-RAS和MIKE11对河道糙率的不同计算方法为出发点,利用赣江外洲至南昌段实测地形和水文资料进行计算,然后对计算结果进行比较分析,得到两种软件的联系与区别.     

泥沙表面特性及其对磷吸附的影响

泥沙颗粒的表面特性是影响泥沙吸附污染物的重要因素之一.首先采用筛分和吸管法将混合泥沙分成了4个粒径组(粘粒和细粉沙组D1、中粗粉沙组D2、砂粒组D3和D4),并通过化学萃取法去除泥沙颗粒上的氧化物和有机物质等活性组分,而后研究了不同粒径清洗沙样的比表面积、孔体积变化及不同粒径下泥沙平衡吸附量的研究.结果表明泥沙的中值粒径与比表面积呈指数关系,当粒径减小到粘粒或细粉沙时,比表面积显著增大.在各个水相初始磷浓度下,泥沙对磷的平衡吸附量随着泥沙粒径的增大而减小,且存在最大吸附量.     

R/S分析法在大坝安全监测中的应用

R/S分析法可以描述自然界非线性系统的某种复杂性。以某水电站大坝坝顶水平位移为研究对象,采用R/S分析法得到其测点水平位移序列的Hurst指数,并根据Hurst指数在不同区间表现出的不同特性,分析坝顶未来的变化趋势。结果表明:该测点未来位移有较明显的增加趋势,应加强监测,以确保未来大坝的安全运营。     

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。     

基于ECMWF和WRF的嘉陵江流域面雨量预报精度评估

将降雨数值预报产品运用到水文预报中已经逐渐成为提高洪水作业预报的预见期的重要手段。为充分了解ECMWF(European Centre for Medium Range Weather Forecasts)和WRF(Weather Research and Forecasting model)2种数值天气预报产品对嘉陵江研究区面雨量预报的预报精度和误差分布,且为增强洪水预报精度的稳健性提供科学支持,采用TS评分、空报率、漏报率、正确率等指标,对嘉陵江地区7个气象分区内的2016年汛期面雨量预报结果进行了检验,分析了不同分区内各检验指标与预报时效的关系。结果表明:ECMWF数值预报产品和WRF数值预报产品均可用于该地区晴雨预报,且2种产品的预报精度随降水等级的增大呈增大趋势,随预报时效的增加呈减小趋势。综合而言,ECMWF数值预报产品对嘉陵江研究区的预报效果更好。     

基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法（extremepoint symmetric mode decomposition method,ESMD）对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵（fuzzy entropy, FE）理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法（artificial jellyfish search optimizer,AJSO）优化的长短期记忆（long short-term memory,LSTM）人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明：基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络（recurrent neural network,...     

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。