大坝安全监控及反馈分析系统

为提高我国大坝安全管理水平，基于大坝安全分析体系结构，结合系统理论、水工监测和馈控技术、软件工程技术和计算机技术等，分析了大坝安全监控及反馈分析系统的研发目标和体系结构。大坝安全监控及反馈分析系统可以科学有序地管理监测资料，应用与大坝安全有关的设计、施工、运行管理信息以及专家知识，能够对大坝安全状况和安全级别作出综合分析和评价，从而实现全过程的大坝安全分析和评价。     

机器学习算法在大坝安全监控系统中的集成方法

为方便在大坝安全监控系统中灵活应用新型机器学习算法，提出了一种应用组件对象模型（COM）技术将机器学习算法集成到大坝安全监控系统中的方法，相比于在开发系统中直接对机器学习算法进行编程，该方法可节省大量的编程时间，缩短开发周期，效果较好。     

混凝土坝裂缝变形的不确定性分析模型

混凝土坝裂缝的发生和发展受到不确定因素影响。将大坝系统及其安全监控看作一个受诸多因素影响的不确定性系统,结合裂缝实测资料,应用近似推理模型和信息分配法,建立了裂缝变形的不确定性分析模型。     

黄河下游堤防失事模式及识别方法

重点针对黄河下游堤防工程漫决、冲决、溃决失事破坏,通过分析影响黄河下游堤防安全的主要因素,构建了黄河下游堤防工程失事模式,提出了基于模糊贴近度和投影寻踪的溃堤模式识别方法,据此构造了黄河下游堤防主要溃堤路径,为黄河下游堤防隐患险点先后处理及采取相应工程措施等决策提供依据。     

基于小波变换的某重力拱坝背水坡转异裂缝序列的分析

裂缝转异诊断对分析大坝安全稳定运行有重要意义。将小波变换应用于大坝裂缝转异分析中,并结合某重力拱坝背水坡裂缝X18-1的实测数据,分别从小波系数图的过零点和极值点、多尺度下模极大值线及奇异性变化角度讨论其与裂缝转异时刻的关系,最终综合判断出裂缝的转异时刻。分析结果表明,小波系数图、模极大值线和奇异性均可反映裂缝的转异,但各自独立的诊断结果不完全相同,综合分析可准确判定裂缝的转异时刻,为裂缝转异诊断提供了新思路。     

基于极值理论的大坝变形监控指标拟定

为研究极值理论在大坝变形监控指标拟定上的计算方法,先阐述了极值理论中BMM模型和POT模型的计算原理,并利用对数似然函数实现参数估计;然后采用超均值函数图法选取POT模型的阈值,结合大坝失事概率拟定监控指标。工程实例分析表明,极值理论在大坝变形监控指标拟定中有效可行,精度较高。     

机器学习算法在大坝安全监控系统中的集成方法

为方便在大坝安全监控系统中灵活应用新型机器学习算法,提出了一种应用组件对象模型(COM)技术将机器学习算法集成到大坝安全监控系统中的方法,相比于在开发系统中直接对机器学习算法进行编程,该方法可节省大量的编程时间,缩短开发周期,效果较好.     

提升小波多尺度分解法与RBF神经网络在混凝土重力坝应力监测中的应用

将混凝土坝的应力监测数据视为一组含有不同频率信号的时间序列,针对信号中的低频信号和高频信号,采用提升小波的多尺度分解法提取混凝土坝应力的时效分量、水压和温度分量以及噪声分量,采用计算信噪比极大值的方法提取周期性分量中的水压、温度分量和噪声分量,得到最优的去噪效果。使用RBF神经网络对去噪信号进行建模,预测结果表明,该模型能够很好地反映混凝土坝应力变化的趋势和规律,可应用于混凝土坝安全监测中。     

碾压混凝土坝安全服役关键技术研究进展

阐述了碾压混凝土坝的安全状况,围绕碾压混凝土坝层面力学行为和工作性态,综述了碾压混凝土坝层面结合性能、力学特性、变温效应、渗流分析、安全监控和综合评价等方面的已有研究进展,认为今后应加强碾压混凝土材料与结构交互演化机理和碾压混凝土坝服役性能劣化机制、劣化过程辨识与预警及劣化干预等方面的基础理论和方法研究.     

基于PCA-SSA-ELM的混凝土坝变形预测模型

混凝土坝变形与环境量之间有着复杂的函数关系,传统统计模型泛化能力较弱,难以处理高维非线性问题。为此,提出了一种基于主成分分析法和麻雀搜索算法优化极限学习机的混凝土坝变形预测模型,该模型通过主成分分析法(PCA)提取环境量中的关键因子作为模型输入变量,采用寻优能力强的麻雀搜索算法(SSA)选取极限学习机(ELM)中的初始输入权重和偏置的最优解。将该PCA-SSA-ELM模型应用到某高拱坝拱冠梁坝段测点径向位移的预测中,并与ELM、BP神经网络模型的计算结果进行对比分析,验证了新模型的有效性。