基于参数反演法面板堆石坝长期运行变形分析

根据水布垭面板堆石坝坝体几何参数和周围山体地形地质资料,建立面板堆石坝三维数值计算模型。以坝体在竣工时的变形实测资料为依据,采用智能位移反演方法反演获得堆石体流变变形参数,对坝体的长期运行变形进行计算分析。通过对大坝堆石体及面板在运行期的应力应变分析成果,可以看出大坝在竣工蓄水后经过一段时间的运行,坝体的整体发生了一定的沉降变形,面板垂直缝、周边缝及止水部位也相应出现了一定变形。通过与实测比较分析,坝体变形在合理范围以内并趋于稳定。在今后坝体的长期运行中,要对出现变形位置的测点加强监测,确保整个坝体长期安全稳定运行。     

堆石体流变本构模型参数的智能反演

提出基于演化神经网络和序列二次规划算法的智能反演方法，通过实测变形资料对堆石坝流变本构模型参数进行反演分析，算例计算表明，该方法高效且具有全局收敛性。采用该方法对某堆石坝9参数流变模型参数进行反演分析，计算结果表明，利用反演的模型流变参数所计算的坝体流变变形与实测资料在发展规律及数值上均比较吻合。最后采用反演后的参数对该堆石坝后期变形进行了考虑流变效应的流变计算，预测出该堆石坝的后期变形量，预测结果合理可信。     

塘冲堆石坝施工期沉降反演分析及长期变形预测

在整理分析塘冲水库面板堆石坝施工期沉降观测资料的基础上,采用模拟退火算法对坝体堆石料邓肯E-B模型的参数及流变模型参数进行反演分析。反演结果表明,基于反演参数的沉降计算值与实测值吻合很好,在反演参数的基础上对蓄水后坝体的长期变形进行预测,预测结果表明,坝体的流变变形量不大,最终大坝的变形、面板应力应变、各周边缝变形均在在合理范围以内,满足设计要求。     

双沟水电站面板堆石坝变形反演分析

利用反演预测模型,结合混凝土面板堆石坝原型观测资料,对大坝填筑料的邓肯E-B模型参数进行反演分析,并用反演所得的坝体材料参数及其实际填筑过程进行有限元计算,得到坝体及面板的变形值;利用模型对水库蓄水三年后的变形值进行计算;根据实际监测结果与计算值进行对比,证明了有限元计算结果的合理性。     

公伯峡面板堆石坝面板竖向裂缝机理分析

公伯峡大坝面板在水库运行后出现竖向裂缝,每年寒冬后,裂缝不断增加。根据大坝变形监测成果,反演得到坝体堆石E-B模型参数及流变参数,计算分析和预测面板堆石坝变形、面板结构应力,并针对冬季严寒低温、寒潮温降、昼夜温差等恶劣气候条件,进行面板温度应力变化规律和分布规律以及库水位对面板温度应力敏感性分析,得出温度应力是导致面板产生竖向裂缝的主要因素,堆石体流变增加的结构应力是两侧面板裂缝进一步发展的推动因素。     

双沟水电站面板堆石坝反演计算分析

本文利用免疫遗传算法,结合双沟水电站面板堆石坝原型观测资料,对大坝填筑料的邓肯E-B模型参数进行反演分析,并用反演所得的坝体材料参数及坝体实际填筑过程进行有限元计算,根据计算成果分析大坝变形与应力极值分布的合理性.     

面板堆石坝瞬时变形和流变变形参数的联合反演

堆石坝变形包括瞬时弹塑性变形及时间相关的流变变形,从实际的监测变形中精确区分这两种变形有一定技术难度。本文将瞬时及流变变形参数的反演问题转化为一个组合优化问题,采用智能优化算法寻找最佳的堆石变形参数。研究中,首先拟定了多种变形参数样本,采用有限元法计算坝体变形;然后采用径向基神经网络训练上述样本,建立堆石变形参数与坝体变形之间的映射关系;最后根据坝体实际变形测量值,采用多种群遗传算法优化得到坝体瞬时及流变变形参数。采用径向基神经网络替代有限元可节省计算时间,提高计算效率;而多种群遗传优化算法可避免传统遗传算法早熟问题。用反演参数再次计算得到的水布垭坝体沉降与实测值吻合较好。     

基于均匀设计及神经网络的堆石材料参数反分析

鉴于堆石坝材料参数反演分析问题的复杂性,在BP神经网络反分析的基础上,利用均匀设计理论构造参数样本,结合有限元分析,对水布垭面板堆石坝主、次堆石料的邓肯E-B模型参数进行反演分析。为了验证反演结果的可靠性,再利用反演分析结果,重新进行有限元计算,将计算得到的坝体沉降位移值与实际监测值相比较,结果显示,有限元计算位移值符合大坝变形的基本情况,反分析结果满足精度要求。说明利用均匀设计结合BP神经网络的反分析方法,可以减少堆石坝材料参数反演分析中网络学习的样本数量,提高反分析效率及准确性。     

隔河岩水电站大坝反演分析

清江隔河岩水电站大坝为三心单曲重力拱坝,投入运行十年来,经历了各种不利运行工况的考验,根据已有的监测资料对大坝坝体、坝基参数反演分析,并以大坝反演分析成果,进行了大坝变形、应力及稳定计算,拟定了大坝变形监控指标,对大坝安全运行管理有重要的指导意义。     

高心墙堆石坝瞬变-流变参数解耦反分析方法及变形预测

高心墙堆石坝材料分区较多,且静力模型和流变模型参数均不相同。为了避免二者同时反演时巨大的计算量,并进一步提高反演参数的准确性,更好地分析堆石坝应力变形、进行变形预测,考虑堆石体瞬变和流变参数的解耦关系,对瞬变和流变参数进行解耦反演分析。以瀑布沟心墙堆石坝为例,在参数敏感性分析的基础上,利用堆石坝施工期、第一次满蓄水期、第二次满蓄水期的变形监测资料,以敏感性较强的参数为待反演参数,采用基于基因片段差异度的遗传算法和径向基函数神经网络(RBF)构建反演平台,对瞬变-流变模型参数进行了解耦反演分析。反演结果表明,计算值与实测值在数值和变化规律上总体符合较好,反演结果较为合理可靠。     

公伯峡面板堆石坝堆石流变特性反演分析

为了分析堆石流变特性及其对公伯峡混凝土面板应力变形的影响,利用原位观测资料对公伯峡面板堆石坝的变形性态进行分析,采用Merchant黏弹性流变模型,反演计算得到相应的流变参数,并用反演得到的流变参数对大坝受力变形进行计算分析。结果表明:堆石的流变作用较明显,流变期间沉降计算值与实测值的变化规律较吻合,堆石流变对面板应力变形、垂直缝和周边缝变形有较大影响;所采用的流变模型和反演得到的流变参数较合理,能够预测面板坝轴向应力和裂缝的发展趋势。     

基于变异粒子群算法的大坝土料流变参数反演——以观音岩混合坝为例

观音岩水电站混合坝在竣工后发生了较大的流变变形,导致土石坝坝段在蓄水一个月后出现了裂缝。为分析坝体裂缝产生的原因,采用并行变异粒子群算法,根据观音岩混合坝竣工后的坝体沉降观测数据反演了筑坝堆石料和心墙料的流变参数。进一步根据反演参数进行了坝体的三维有限元计算,分析和预测了大坝在蓄水期和运行期的变形特性。结果表明,较大的蓄水期不均匀沉降及较大的坝体流变变形是坝体产生裂缝的主要原因。     

坝体结构及流变对高面板坝应力变形影响分析

高面板堆石坝在运行过程中面板容易出现挤压破损,坝体变形过大和变形长期不稳定是主要原因。影响堆石体和面板应力变形的因素较多,主要包括坝体堆石料分区和参数、面板分期及浇筑时机、坝体流变、垫层料表面的处理。基于实测变形反演堆石料本构参数和流变参数,运用反演得到的参数对面板堆石坝坝体和面板应力变形影响的因素进行敏感性分析,得出:提高下游次堆石的填筑标准,能有效减小高面板坝面板上部的顺坡向拉应力;面板分期能减小面板蓄水后的挠度,且最大挠度点往高高程偏移;坝体填筑完成后面板浇筑前预留的时间越长,大坝蓄水引起的变形越小。设置挤压边墙能有效减小面板中部的坝轴向应力和顺坡向应力,同时也能减小面板的挠度;面板最大挠度、坝轴向应力和顺坡向应力在坝体流变作用下逐步增大,并逐步趋于稳定。     

混凝土面板堆石坝关键技术与研究进展

简要回顾了中国混凝土面板堆石坝30多年的发展历程。从材料的级配特性、强度特性、变形特性、流变特性,以及接触面模拟、流变分析、精细化仿真计算等方面综合论述了混凝土面板堆石坝筑坝材料工程特性研究及大坝应力变形数值计算分析技术的研究进展。针对混凝土面板堆石坝的安全建设问题,从坝体渗流安全、大坝变形控制和混凝土面板挤压破坏的角度论述了混凝土面板堆石坝的筑坝关键技术。     

某面板堆石坝沉降观测资料反馈分析

根据某面板堆石坝施工期、蓄水初期以及几年来的沉降观测资料，对坝体填筑材料计算参数进行反馈分析，得出了能够反映坝体实际变形的弹塑性应力变形计算参数，有利于今后建立大坝变形预报模型，更准确地把握大坝实时运行状态。     

某混凝土面板堆石坝数值模拟与监测分析

采用邓肯E-B非线性模型对某混凝土面板堆石坝进行有限元分析,研究分析了大坝各工况水位下的渗流状况和不同时期坝体的应力及变形情况,将理论计算结果与大坝安全原型观测资料对比分析。分析表明:坝体的渗流、应力和变形值均在允许范围内,计算结果与监测数据基本一致。大坝防渗施工质量较好,混凝土面板和防渗帷幕灌浆起到了良好的防渗作用。坝体应力分布与变化情况合理,其变形规律与混凝土面板堆石坝普遍的变形规律较为相符,说明大坝处于安全运行状态。同时,对大坝后期运行有一定的指导意义,为大坝安全评价提供了科学依据,也对类似工程理论计算具有参考价值。     

涔天河面板堆石坝施工期变形监测资料及参数反演分析

对涔天河面板堆石坝施工期变形监测资料进行了较全面分析,然后建立了堆石坝施工期有限元模型。基于实测相对沉降,采用正交设计、神经网络、遗传算法相结合的方法,反演了堆石坝的非线性材料参数。分析表明:(1)涔天河面板堆石坝坝体沉降随着大坝填筑的逐步升高而增大,当填筑到320.3 m高程后,坝体沉降变形渐趋稳定。在施工期间,该大坝经历了"5.20"洪水、"11.11"罕见冬汛等事件,但对堆石坝的变形影响小。(2)基于实测相对沉降进行的堆石坝材料参数反演结果表明,主堆石区的K和Kb较室内剪切试验参数偏小,而其他反演参数结果和室内剪切试验值较为接近,沉降值计算值与实测值的时程曲线趋势符合较好。(3)由于观测房修建滞后,沉降仪从安装埋设到首次观测期间的沉降位移缺乏过程值,建议及时修建观测房,尽早获得沉降过程值。     

面板堆石坝长效服役状态下微幅变形监测及其分析

受堆石料自身流变特性及外部因素影响,混凝土面板堆石坝在服役后较长一段时间内仍有持续的微幅变形增长,微幅变形的不断累积可对面板等防渗结构产生不利影响。针对传统监测手段精度低、频次少、测量结果难以反映大坝真实的后期变形特征这一缺陷,尝试将静力水准系统与引张线系统应用到面板堆石坝表面沉降与水平位移监测中。利用上述系统,对泽雅水库大坝开展持续5年的坝体表面变形监测。分析监测数据发现:（1）上述监测系统的精度与稳定性可满足堆石坝长效服役状态下微幅变形的观测需求。（2）泽雅水库大坝在运行近20年后,堆石体的流变仍未停止,近5年最大平均变形速率可达4.33 mm/a（沉降）和3.50 mm/a（水平位移）。（3）各测点位移发展速率总体上逐年降低,变形趋于稳定。研究结果可为同类型工程监测设计及堆石料流变研究提供参考。     

积石峡面板堆石坝坝体变形反演分析

本文通过分析积石峡坝体内部监测点的竖向沉降和水平位移监测结果,建立了适用于高面板堆石坝的变形反演分析方法;对不同变形监测结果给定不同的权重,以评价监测值的可靠度,为合理的参数反演计算提供依据,以期为类似案例提供借鉴。     

基于BP神经网络的堆石坝参数二次反演与变形预测

在预测堆石坝长期变形时,常常需对堆石体流变参数进行反演。若同时对堆石体的瞬时变形力学参数和流变参数进行反演,则反演参数多,网络结构复杂,所需的训练样本数量大,反演效率低。根据堆石坝的监测资料,将堆石坝的沉降分解为瞬时沉降和流变引起的沉降,运用BP神经网络方法逐次增加训练样本,循环训练网络,将瞬时力学参数与流变参数分开来进行二次反演,训练样本少,反演效率高,输出结果用于预测能与监测资料较好吻合,可为类似工程提供参考和借鉴。