灰色模糊综合评价模型在混凝土坝温控方案优选中的应用

针对混凝土温控方案中各评价指标的模糊性和相关联的特点,将灰色关联分析理论与模糊综合评价法相结合,建立了混凝土坝温控方案灰色模糊综合评价模型,并将该模型应用于某混凝土温控方案优选中。结果表明,灰色模糊综合评价模型在温控方案优选上具有较好的准确性和可靠性,且具有一定的工程应用价值。     

基于IABAP混合算法的混凝土坝浇筑仓温控措施智能优选

混凝土坝浇筑仓在施工期的温控措施选择不当会导致混凝土出现温度裂缝,将智能优化算法与温控措施结合进行多个温控因素联合分析,可实现大坝温控措施智能调控。提出了一种结合粒子群(PSO)与人工峰群(ABC)的混合优化算法IABAP,避免了单一算法后期收敛速度降低、易陷入局部最优等问题,并将其运用于白鹤滩拱坝典型坝段的参数反演,基于计算温度曲线与实测温度曲线对比结果,进行温控措施联合优选。结果表明,通过IABAP算法温控措施调整后的温度曲线预测结果与施工期采用实际温控措施参数值预测结果相比温升速率和浇筑温度更小,对控制混凝土早期拉应力更有利。研究结果为混合优化算法在大坝温控措施智能优选方面的运用提供了参考。     

基于BIM的混凝土坝浇筑仿真智能建模方法研究

针对混凝土坝浇筑过程受自然环境、坝体结构、混凝土供应、坝体浇筑入仓手段等众多因素的影响,且各因素之间存在复杂的空间和时间的制约关系,使得目前混凝土坝浇筑仿真建模效率不高的问题,提出基于建筑信息模型(BIM)的混凝土坝浇筑仿真智能建模方法,以直接提取或间接转换的方式将BIM信息和混凝土坝浇筑仿真模型信息联系起来,实现一定程度上的智能建模。实例应用结果表明,该方法缩短了混凝土仿真模型构建时间,提高了模型构建效率和自动化程度,同时也使得建立的模型便于工程设计人员理解。     

基于BP神经网络的碾压混凝土坝温度场反分析

针对试验所得碾压混凝土热学参数的随机性以及温度场的复杂性,提出基于BP人工神经网络的反分析方法。建立神经网络模型,利用有限元正分析得到的样本去训练网络,然后利用实际所测温度对热学参数进行反分析,根据反分析后的热学参数利用有限元进行温度场正分析,分析比较预测参数与试验参数所得非稳定温度场。通过工程实例,结果表明,该方法用于获取碾压混凝土坝热学参数是可行的。     

施工期混凝土坝温度统计模型探讨

针对施工期混凝土温度变化规律,采用周期项作为环境气温因子,并累加两个指数函数来考虑水化热温升和通水冷却的影响,构建了施工期混凝土坝温度统计模型。以溪洛渡混凝土坝典型坝段为例,对坝体混凝土温度做了预报。结果表明,该模型可行,预测精度良好。     

BP神经网络在新浇筑混凝土最高温度预测中的应用

鉴于在坝体混凝土开仓前准确预测新浇筑混凝土最高温度对防止大坝开裂的重要性,基于BP神经网络原理,以混凝土浇筑温度和冷却水管布置方式、通水温度、通水流量及气温、浇筑层厚度、混凝土龄期7个因素作为输入层,以实测混凝土浇筑仓内最高温度为输出层,利用Matlab神经网络工具箱,建立了新浇筑混凝土最高温度的BP神经网络预测模型,并通过实例对模型进行了验证分析。结果表明,冬季、夏季浇筑仓内混凝土最高温度的预测值和实测值之间的误差均约为0.5 ℃,二者吻合较好,可见该模型满足实际工程要求,也说明了BP神经网络在预测新浇筑混凝土最高温度方面具有可行性和实用性。     

碾压混凝土坝施工仿真中的智能并仓模型

深入分析了碾压混凝土施工过程中的并仓影响因素,提出了并仓方案优选原则,采用智能设计专家系统的基本原理,建立了碾压混凝土智能并仓模型.实际工程的仿真实例表明,该模型能够真实地反映碾压混凝土坝的施工工艺特点.     

基于BIM与IFC的混凝土坝施工仿真建模方法

针对混凝土工程仿真所建的模型较少涉及模型数据信息的交换及共享问题,提出在建筑业国际工业标准（IFC）的基础上构建基于建筑信息模型（BIM）的混凝土坝施工仿真信息模型的方法,有利于整合混凝土坝施工涉及的多方面信息,使仿真模型反映的信息更全面,并引入IFC标准进行模型信息的扩展和表述,更有利于对模型信息进行高效组织、共享和管理。     

碾压混凝土坝的渗流分析研究

针对碾压混凝土坝渗流特性，采用无厚度缝面单元模拟型进行渗流分析，在不增加网格节点的前提下，不但能高效地刻画出层面和缝面的特点，而且能对具有强透水能力的冷缝或裂缝进行细致的模拟，基本上解决了碾压混凝土坝的渗流建模问题。计算结果表明，采用无厚度缝面单元模型，更加符合坝体的渗流实际情况，提高了求解的精度。     

基于熵—云耦合的混凝土坝预警模型及其应用

针对现有大坝预警指标拟定方法的局限,提出了一种基于熵—云耦合的混凝土坝变形预警模型。基于信息熵理论,运用熵权法给出了混凝土坝各测点变形权重,定义了单测点有序度并构建了多测点变形熵;考虑到云模型理论可反映概念的模糊性和随机性,计算了多测点变形熵的数字特征值,绘制了混凝土坝变形熵的云图,并拟定了混凝土坝变形测点的预警指标。实例计算表明,基于熵—云耦合的混凝土坝预警模型高效可行,具有重要的工程应用价值。     

基于BIM与MVD的混凝土坝施工仿真模型信息处理研究

混凝土坝施工仿真过程中,为实现各专业的协同工作,会出现信息存储冗余及信息交互标准不统一等问题,从而影响模型的互操作性,降低了工作效率。为此,提出了基于建筑信息模型(BIM)与模型视图定义(MVD)的混凝土坝施工仿真模型,将信息交付手册(IDM)中的信息交互需求按IFC数据格式表达出来,以模块化的形式描述各个概念,确保了语义与逻辑的一致性,从而提高了模型信息的可读性。     

混凝土坝临时断面过流裂缝成因及温控保护措施

采用三维非稳定温度场和应力场有限元仿真程序,分析了混凝土坝临时断面过流时混凝土的开裂原因,并提出了采用与坝体永久保温相结合的复合式保温板对坝体保温,以防止过流后产生劈头缝或贯穿裂缝.结果表明,该措施效果很好.     

掺石粉与掺粉煤灰的碾压混凝土坝温控措施对比分析

针对石粉替代或部分替代粉煤灰作为碾压混凝土的掺合料后,其热力学性能指标均发生变化的问题,以中国西部地区某在建水电工程溢流坝段碾压混凝土为例,基于温度场和应力场的三维有限元分析技术,通过控制浇筑温度、混凝土外表面保温、通水冷却等技术措施,分别对掺石粉与未掺石粉碾压混凝土施工期与运行期的温度及应力进行分析,得出了掺石粉与未掺石粉碾压混凝土温度及应力的变化特性。结果表明,掺石粉碾压混凝土对整个施工期的坝体温控防裂有利,且可有效减小温控难度。     

基于熵理论的混凝土坝变形安全监控SVM模型

为解决利用混凝土坝安全监测全序列数据建立的支持向量机(SVM)模型存在结构复杂、计算工作量大等问题,提出利用熵理论选择具有代表性样本代替全序列样本进行建模,即通过建立外部档案,根据外部档案更新算法选择具有代表性的样本,然后将外部档案的样本用作支持向量机的训练样本。将该方法用于某蓄水初期的混凝土坝变形模型的构建中,结果表明,该组合算法在保证模型精度的同时有效降低了模型的复杂程度,减少了模型的训练时间,且使模型的泛化能力得到一定的提升。     

基于NRS-MSVR模型的混凝土坝变形多维精准预测

以强化多输出支持向量机(MSVR)模型在混凝土坝变形多维预测中的鲁棒性和泛化能力为目标,围绕变形多维联合精准预测展开研究。在邻域粗糙集(NRS)理论的框架内发展了一种变形影响因子贡献度度量方法,实现了多影响因子约简和关键因子的提取。视关键因子为MSVR模型的输入变量,编制迭代加权最小二乘算法进行模型求解,进而建立混凝土坝变形多维预测的NRS-MSVR模型。通过工程实例,对NSR-MSVR和MSVR模型预测效果进行对比分析。结果表明,在两模型拥有高拟合精度的前提下,NRS-MSVR模型的预测精度更高,具备更强的鲁棒性和泛化能力,是混凝土坝变形多维联合精准预测的一种新方法。     

基于BP神经网络深度学习的供水管网漏损智能定位方法

在深入剖析已有大型供水管网漏损成因的基础上,提出了采用BP神经网络深度学习的方法预测漏损点位置,构建了供水管网漏损模拟模型,通过管网发生漏损时5个位置的流量变化和17个位置的压力监测点变化的相关性分析,利用人工神经网络深度学习来诊断漏损点所在管网中位置,并以实验室自搭建的小型供水管网为例对漏损定位的研究方法进行了验证。结果表明,所提方法是一个实时诊断的快速又有效的方法,可实现较为准确的漏损点定位。     

基于CNN-LSTM的混凝土坝渗流预测

建立高性能的混凝土坝渗流预测模型是渗流安全监控的重要手段,也是渗流安全性态评价的基础,结合卷积神经网络(CNN)和长短期记忆神经网络(LSTM)两种深度学习算法,构建混凝土坝渗流预测模型(CNN-LSTM),该模型先利用CNN提取渗流监测时间序列的特征,然后利用LSTM生成特征描述,建立输入与输出间的映射关系,实现对混凝土坝的渗流预测。工程实例应用表明,CNN-LSTM模型在混凝土坝渗流预测应用中的数据拟合能力和预测精度较好,且不易陷入局部最优解,可为混凝土坝的渗流预测和安全监控提供科学依据。     

基于混凝土坝接缝变形监测数据的时空关联规则挖掘方法

面对传统混凝土安全监测分析方法针对单一测点展开研究难以应付与日俱增的数据量级等方面存在的不足,结合数据挖掘的有关知识,提出了 一种基于混凝土坝接缝变形监测数据的时空关联规则挖掘方法,考虑单测点数据的时间序列特征和多测点数据的空间分布特征,分别从完整时段和总体结构的角度研究了混凝土坝接缝变形监测数据的时空关联挖掘方法,并...     

基于LM算法的模糊优选神经网络模型

针对传统模糊优选神经网络模型训练速度慢、训练结果易陷入局部最小解的缺点,提出了基于LM算法的模糊优选神经网络模型且对传递函数进行了改进,并预测分析了黄河内蒙段的三湖河口站和巴彦高勒站冰情.实例结果表明,改进模型训练速度更快、训练预测结果更优.     

基于优化果蝇算法和统计模型的混凝土坝变形预测模型及应用

鉴于构建大坝安全监测模型时传统统计模型拟合精度受样本系列长度、资料可靠性、拟合方法等多种因素影响,提出一种基于优化果蝇算法和统计模型的混凝土坝变形预测模型,利用优化果蝇算法对统计模型各项系数进行优化,以提高统计模型的预测精度。对某混凝土拱坝变形的拟合和预测结果表明,相比于统计模型,基于优化果蝇算法和统计模型的变形预测模型预测精度更高,拟合效果更好。