青山水库老闸溢流面补强处理设计和施工

1前言 青山水库位于杭州市西郊临安市境内,距杭州市区约40 km,距临安市约8 km.大坝座落在东溪主干流南苕溪上,控制青山水库以上流域面积603km2,总库容2.15 m3亿,大坝和泄洪建筑物为2级建筑物.水库以防洪为主,兼有供水、灌溉、发电、养殖等综合利用效益.     

大坝安全预警系统架构初探

基于数据仓库与数据挖掘技术，结合预警系统的三维结构图，初步研究了大坝安全预警系统的架构，并将其概化为数据融合、警兆辨识、警源分析、警情分析及警情发布等5个子系统。该架构的建立对今后大坝安全预警系统的研制开发具有重要意义。     

基于信息智能融合技术的安全监控综合信息管理系统研究

针对燕山水库大坝安全监控综合管理系统较复杂且以往的局部监测、局部诊断和评价等技术手段已不适合本工程的发展需要,运用信息融合技术将信息、人工智能、材料、工程与管理等多学科的理论和方法进行科学、有效融合并分为数据融合层、分析融合层、诊断融合层和评价融合层四个层次,从而研发出燕山水库安全监控综合信息管理系统,实现了大坝安全智能监控的目标.     

考虑砂浆冻融作用的浆砌石水闸应力变形特性分析

浆砌石水闸在长期运行过程中,受外界冻融作用,水泥砂浆易产生劣化效应,影响其应力变形特性和服役寿命。考虑到冻融作用对水泥砂浆力学性能的劣化效应,结合红旗渠分水闸工程,利用ABAQUS有限元软件,建立拱圈及闸室结构精细的三维有限元模型,研究了不同劣化程度下闸室的应力和变形情况。结果表明,随着劣化程度的加重,该工程闸室在拱顶附近和交通桥墩处逐渐出现应力集中,应力和变形基本呈曲线变化,且变化速率越来越大。这些部位是闸室的薄弱部位,在结构设计和安全运行监测时应给予足够重视。     

土石坝风险预警指标体系研究

风险预警指标体系与水库大坝的具体特点息息相关,针对土石坝的具体特点和工程实际,参照有关规范和法规,详细介绍了土石坝风险预警指标的分类以及筛选条件和构建方法。在此基础上,结合大坝失事资料统计结果,分析了影响土石坝安全的主要因素,将其失事模式主要分为洪水漫顶、渗透破坏、滑坡以及其他破坏等形式,从而建立了土石坝的风险预警指标体系,并应用于实际工程中。     

野值诊断技术在大坝安全监测资料分析中的应用

大坝安全监测中常会出现偏离目标真值的野值。为有效检测观测数据质量和诊断野值,分析了野值产生的原因,在此基础上,研究了野值诊断的两种技术,即基于数理统计的残差分析和基于概率的随机模糊诊断技术。为验证方法的合理性,将其运用到燕山水库施工期监测资料的分析中,取得到了较好的结果。     

燕山水库信息管理自动化系统集成技术

针对水库建立综合自动化系统可实现水库现代化科学运行管理,采用现代计算机、网络等技术手段对燕山水库水雨情、大坝安全监控、闸门监控、视频监视、水电站自动化、办公自动化等各子系统进行有机集成,实现了资源共享、科学调度、合理高效利用水资源及水库安全科学管理的目标.     

大坝安全预警系统警源分析模型研究

针对警源是整个安全预警系统的基础,识别影响工程安全的警源一直是坝工界关注的热点。从警源基本概念入手,运用数据挖掘技术建立了大坝安全预警系统警源分析模型,并将该模型应用于实际中,为大坝安全预警提供了科学依据。     

MLR-Legendre多项式模型在混凝土坝裂缝开度预测中的应用

在混凝土坝裂缝开度预测中得到了广泛应用的统计回归模型仍存在不足。首先,对小容量样本的观测时间序列难以建立有效的统计回归模型;其次,预测模型未能考虑残差项,而残差项包含了裂缝发展演变的海量信息,为了准确预测裂缝开度还须在预测模型中纳入残差项。同时,统计回归模型的残差序列中存在混沌成分,残差项受到某种动力特性支配,故基于混沌理论对残差项进行推求,建立了统计与混沌混合预测模型。采用基于Legendre多项式的RLS(递推最小二乘法)自适应预测算法,提出了针对小容量样本观测数据时间序列的实时预测模型以及针对大容量样本观测数据时间序列的统计回归-Legendre多项式残差预测模型。最后,结合陈村重力拱坝在105 m高程的裂缝开度实测数据,对裂缝开度实时预测模型以及统计回归-Legendre多项式组合模型分别进行了检验,结果表明模型具有良好的预测精度,可为工程的安全运行管理工作提供一定的技术支持。     

大坝实测性态的灰色马尔科夫链预测方法研究

为实现大坝安全性态的准确预报,以西南某坝的多年扬压力极值为例,以扬压力实测序列建立GM(1,1)预测模型,基于预测模型的残差序列建立马尔科夫残差模型,对比分析GM(1,1)残差预测模型和马尔科夫残差模型;综合GM(1,1)模型和马尔科夫残差模型建立灰色马尔科夫模型,并利用灰色马尔科夫模型预测扬压力极大值。结果表明,灰色马尔科夫模型提高了预报的精度并恰当地反映了过程的摆动性。