基于均匀设计的混凝土浇筑仓最高温度预测模型及应用

为快速准确地预测施工期间拱坝浇筑仓最高温度,基于均匀设计的思想,挑选某在建混凝土拱坝浇筑仓4因素30水平中30组数据进行试验,以浇筑温度、冷却水流量、冷却水水温、环境气温为输入矢量,实测最高温度为输出矢量,构建了混凝土浇筑仓最高温度神经网络智能预测模型,训练后获得了基于均匀设计的混凝土浇筑仓最高温度预测模型。应用结果表明,该预测模型预测值与实测值吻合较好,运算速度快,可快速准确地预测施工现场的混凝土浇筑仓最高温度,特别适用于施工单位现场即时跟踪监测温度变化规律。     

中后期冷却期间混凝土浇筑仓温度动态预测模型

进行全坝全过程温度场仿真分析,计算工作量大;采用数理统计分析方法或神经网络等智能方法建立的温度预测模型本质上是一个经验模型,当通水水温和通水流量突然发生变化时,外延预报精度差.建议了一种混凝土坝中后期冷却期间浇筑仓温度动态预测模型,即采用无热源水管冷却问题的混凝土平均温度计算式,联合实测温度,对无热源水管冷却问题的混凝土平均温度计算式中的Ti进行动态更新,动态预测浇筑仓降温过程线.实例分析表明,采用无热源水管冷却问题的混凝土平均温度计算式,结合浇筑仓当前实测温度可以方便快捷地对未来7～10d的温度状态进行动态预测,为中后期通水冷却浇筑仓温度的智能调控提供及时的参考.     

基于BP神经网络的坝体混凝土 二期通水冷却分析

由于在大坝混凝土施工时一些坝段的接缝灌浆区没有预理温度计，故进行二期冷却时难以判 断混凝土灌浆区的温度是否达到接缝灌浆的要求。对此，本文以冷却水管进口温度、出口温度、通水 流量、当天坝块的起始温度为输入量，实测混凝土温度为输出量，建立二期通水冷却统计模型，采用 BP神经网络对二期冷却时通水工况和坝体混凝土温度作为样本进行训练，然后通过二期冷却时通水 工况预测坝体混凝土的温度。实例分析表明，此方法可行。     

不确定性大坝地基几何尺寸智能识别初探

大坝地基实际几何尺寸存在不确定性,将监测点相对位移作为输入,坝体混凝土、岩基材料参数和地基几何尺寸作为输出,建立了不确定性地基几何尺寸识别神经网络模型。该模型采用均匀设计原理进行材料参数组合,根据不同地基几何尺寸建立的大坝-地基有限元模型的稳定渗流体荷载分布,获得样本进行学习,以此训练好的网络来描述大坝混凝土、岩基材料参数及地基几何尺寸和坝体变形的非线性关系。将大坝实测位移分离出的水压分量输入训练好的网络,可自动识别出大坝混凝土和岩基的材料参数以及地基几何尺寸。算例分析表明,建立的不确定性大坝地基几何尺寸识别神经网络模型是可行的。     

考虑温度历程的早龄期大坝混凝土自生体积变形分离方法现场试验

混凝土在水化过程中会产生自生体积变形和温度应变等现象,与混凝土的耐久性有着密切联系,为工程建设各方所关注。对此,在西南某混凝土特高拱坝混凝土浇筑现场,采用无应力计对冷却水管周围两处不同位置处早龄期混凝土的应变进行现场监测,运用成熟度理论考虑混凝土的温度历程对混凝土水化进程的影响,采取一种新方法将总应变计算式解耦,从而摆脱对早龄期混凝土的热膨胀系数为定值的依赖,得出混凝土热膨胀系数在等效龄期下的历程,最终从无应力计变形监测值中分离出温度应变和自生体积变形。试验结果表明:这种方法能考虑混凝土温度因素,精确便捷地对早龄期混凝土的热膨胀系数以及自生体积变形进行分离,给现场混凝土的养护以及防裂施工提供指导。     

混凝土拱坝坝体二期冷却降温速率监控指标拟定与预警

采用小概率法估计温度监控指标的目的是根据混凝土坝体抵御已经历过的温度荷载的能力来评估和预测抵御可能发生温度荷载的能力,以西南某在建混凝土拱坝第二期冷却(简称二冷)期间的温度监测资料为例,求得已灌区各浇筑仓二冷期间最大的降温速率后,采用小概率法拟定该坝二冷降温速率监控指标,以指导现场混凝土通水冷却措施。实践表明,当有足够多的二冷期间的温度监测资料时,采用小概率法拟定二冷期间降温速率监控指标是可行的。