基于LSTM的混凝土坝变形预测模型

为提升混凝土坝变形预测的精度,采用具有出色的非线性数据挖掘能力与时间序列长、短期预测性能的长短期记忆网络(LSTM),提出了基于LSTM网络的混凝土坝变形预测模型.实例分析表明,相比于常用的逐步回归、多元回归等方法,基于LSTM网络构建的变形预测模型可有效挖掘大坝变形与影响因子间复杂的非线性关系,模型的建模与预测精度均得以显著提升.     

基于坝基塑性损伤的重力坝极限抗震能力研究

目前关于重力坝的研究大多仅考虑坝体的损伤破坏,而将坝基设为线弹性材料,这可能导致大坝震害情况与实际不符,而考虑坝基塑性损伤能明显减轻重力坝坝体损伤程度,可以更加真实的模拟出大坝的抗震承载能力。本文基于塑性损伤力学理论,以我国西南某拟建重力坝为研究对象,建立了考虑坝体-坝基整体塑性损伤的三维有限元动力计算模型,并对模型的正确性进行了验证。采用时程分析法分析了该重力坝在不同地震强度下的震损情况,并以坝体裂缝贯通上下游为失稳判别标准对该坝的极限抗震能力进行了评价。结果表明：当地震动强度为0.5g时,下游折坡处损伤区域贯通上游,此时重力坝上部坝体可视为脱离块体,重力坝产生失稳,因此可以判定该重力坝的极限抗震能力为0.5g。     

考虑风险与社会支付意愿的大坝长效服役决策

鉴于大坝长效服役决策需满足严格的工程技术要求,同时兼顾一系列复杂的社会、经济、环境和生态问题的特性,阐述了水库大坝长效服役决策的总体思路,探讨了除险加固、工程降等、拆除退役或近坝址重建等大坝长效服役的可选措施。在计算大坝服役可靠度的基础上,引入生命质量指数,衡量社会经济水平提高和人们生活质量改善对大坝长效安全服役要求的综合提升,据此提出了考虑大坝安全风险和社会支付意愿的大坝服役性能提升措施的决策判据。对一座存在一定坝体失稳风险的某混凝土重力坝提升服役性能措施进行了推荐,建议采取水库水位降低10 m运行或大坝补强加固的措施提升大坝长期服役性能,与工程实际吻合。     

基于极值理论的岩质边坡变形预警指标估计

边坡变形预警指标估计对实现边坡安全监控具有重要意义。基于极值理论,建立区间极值(BMM)模型和超阈值(POT)模型,分别利用广义极值分布(GEV)和广义帕累托分布(GPD)对边坡变形监测数据尾部进行拟合分析,结合边坡失事概率,完成对其预警指标的估计。结果表明,两种模型均满足K-S检验,但POT模型可更好地刻画变形监测数据分布的尾部特征,对预警指标的估计偏于安全。研究结果可供类似工程参考。     

考虑多重共线性影响的特高拱坝时空监控模型

为了解决特高拱坝时空监控模型中因子数目众多、因子之间存在多重共线性以及各测点之间存在空间关联性的问题,基于大坝变形原型监测资料,采用核独立分量分析(KICA)方法提取独立分量,将多个测点信息转化为少数几个综合指标;将提取的独立分量代入利用灰狼优化(GWO)算法优化的支持向量机(SVM)模型,对特高拱坝空间测点进行回归预测,构建了KICA-GWO-SVM特高拱坝时空监控模型。工程实例分析结果表明,KICA-GWO-SVM特高拱坝时空监控模型与多元回归模型、BP模型及SVM模型相比,其非线性表达能力强且性能良好,能够降低多重共线性对大坝变形监测的影响,对特高拱坝变形序列的拟合与预测精度高,可以更加准确全面地表征大坝整体的时空变形性态。     

分叉型库盘变形及对特高拱坝变形性态的影响

由弹性理论推导了特高拱坝在库水压力作用下引起的库岸边坡表面横河向水平位移计算公式;利用有限元数值仿真方法模拟了分叉河道的库盘库型,开展了库型因子对库盘基岩和大坝变形的敏感性分析。理论分析和数值计算结果表明:库水位和岸坡坡角是谷幅收缩的主要影响因素,河道分叉处到坝前距离和库水位是影响库盘变形和坝体变形的显著因素;随着高程增加,库水面以下横河向岸坡变形先向两岸方向增大,然后一直减小,直至转向河谷方向,而库水面以上岸坡一直向河谷方向变形。     

逐步回归算法在边坡安全监测中的运用

考虑时效、降雨和温度对边坡变形的影响,深入分析了边坡变形的外在影响因素及各因子的表达形式,建立边坡变形统计回归模型,应用Matlab软件和逐步回归算法,实现边坡变形的回归分析与预测。东津水电站溢洪道左岸高边坡变形监测资料分析成果表明:边坡变形统计拟合值与实测值接近,复相关系数较大,剩余标准差较小。该模型能较好地反映边坡的变形规律和发展趋势,为分析边坡运行时的安全状态和预测变形趋势提供了指导思想,有较大的工程实用价值。     

考虑渐进灾变特性的高拱坝变形性态诊断方法

针对高拱坝变形性态诊断已有方法的局限性,考虑变形失稳过程的渐进灾变特性,结合现代坝工学、力学和数学理论,提出了一种新的诊断方法。该方法在表征水压、温变和时效变形的基础上标定高拱坝的弹性变形状态,借助信息熵理论建立个体诊断指标,依据投影寻踪法优化获取个体贡献度,据此构建群体诊断指标,并基于典型小概率原理拟定诊断控制值,提出了群体正常、群体基本正常、个体异常、群体异常、群体恶化的诊断准则。工程实例检验结果表明,该方法有效地刻画了渐进灾变过程,适用于尚未遭遇最不利荷载的情况。     

基于主成分的大坝监测资料时变预测模型

由于内外各种因素的影响,大坝安全监控参数会随时间而变化,而常规监控模型常常采用非时变的参数。基于主成分分析,利用缩减后的主成分荷载建立了时变预测模型。实例表明,该模型可以减少计算时间,有效削弱因子多重相关性的影响,提高大坝监测效应量的预测水平。     

遗传算法优化BP神经网络在大坝扬压力预测中的应用

针对BP神经网络的局部极小和收敛慢等问题,提出了利用遗传算法的选择、交叉和变异操作优化BP神经网络的权值和阈值,将优化后的BP神经网络用于预测大坝扬压力。通过实例应用,将遗传算法优化的BP神经网络与逐步回归、BP神经网络预测相对比,结果表明遗传算法优化的BP神经网络收敛快且预测结果精度高。