GRNN神经网络在坝基渗流预测中的应用

人工神经网络在大坝监测资料分析及预测中应用效果良好,而广义回归神经网络具有柔性网络结构、很强的非线性映射能力及高度的容错性,非常适合解决非线性问题。实例分析结果表明:与BP神经网络相比,广义回归神经网络在预测能力及学习速度上具有明显优势,且样本较少时其预测效果也较好。     

基于熵权的大坝渗流性态模糊可拓评价模型

针对评价大坝渗流性态一直为工程决策的难点问题,以某混凝土重力坝# 2坝段为例,构建了大坝渗流指标结构体系,选定了渗流评价标准和监控指标,利用可拓理论将定性与定量分析有机结合,并结合模糊数学理论构造了渗流性态评价中的模糊物元,引入熵权法确定指标体系的权重系数,建立了基于熵权的模糊可拓评价模型.结果表明,该坝段渗流性态正常,评价结果合理,符合实际情况.     

基于熵权法和G1法的大坝监测指标权重融合

熵权法求权重能客观地反映实测信息,但不能反映专家意见,而G1法可反映专家的以往经验,但偏于主观。根据熵权法与G1法理论,综合了两种赋权方法,提出一种主客观相融合的大坝监测指标权重融合法,该法简单易行,计算结果较合理。     

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。     

小湾拱坝蓄水期坝踵应力应变性态分析及预测

为了解小湾拱坝蓄水期坝踵应力应变的工作性态及变化趋势,采用变形法对小湾拱坝各处应变计组进行了应力计算,由此获得拱坝的工作性态正常,满足安全要求。采用多元回归方法对河床#22坝段监测资料建立预测分析模型,并对资料序列最后五天的应力值进行预测,从预测结果可知所建立的模型预测精度较高。当水库蓄水至1 240 m时,预测的坝踵垂直向正应力在混凝土标号允许抗拉和抗压强度范围内,符合设计要求,从而表明大坝应力应变工作性态正常。     

某水电站坝基扬压力异常原因分析

坝基扬压力监控在重力坝安全监控中占有十分重要的地位,通过对某水电站坝基扬压力监测资料的定性分析发现,5号坝段坝基扬压力测值偏高,并有逐渐增加的趋势。进而通过扬压力折减系数、简单相关系数法、统计模型法、综合成因分析法等方法对该坝段进行定量分析,发现该坝段测孔扬压力折减系数偏大,测孔水位与上游水位相关性较大,进一步证明5号坝段下游侧可能存在潜在渗流通道,应加强监测,并在必要时采取工程措施。     

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。     

小湾拱坝蓄水期应力应变性态分析

应用变形法对某高拱坝坝踵应变计组进行了应力计算，采用统计模型分离了影响应力的各个分量，分析了蓄水期前后应力变化规律和主要影响因素，比较了相同水位下应力变化情况，结果表明：坝踵处水压分量是影响应力的主要因素，在水位抬升的过程中，压应力减小，坝踵处应力性态总体正常。     

确定大坝效应量真实分量比例的灰色距离测度研究

为了评价各因素对大坝监测效应量的综合影响程度,提出一种新的灰色距离测度,并应用于大坝效应量分量比例确定中.首先利用主成分确定各分量真实系数,然后应用该理论确定各个分量的比例.工程实例表明,该方法简单可行,能科学有效地确定大坝效应量分量比例.