小湾水电站拱坝施工中缆机的运行管理与探索

缆机是小湾水电站拱坝混凝土施工中的主要垂直运输设备,只有保证缆机系统可靠性和提高缆机系统的运行效率,才能满足混凝土浇筑强度的需要,为电站大坝按期下闸蓄水发电创造有利条件.为此,务必对缆机系统制定完善的运行管理制度,指导现场生产运行,提高缆机运行效率,对小湾水电站6台双层平移式缆机的主要性能指标、施工布置、运行效率、维护与管理进行了详细介绍,分析了影响缆机工作效率的因素,并总结提出了提高缆机浇筑混凝土强度的措施.     

大岗山拱坝施工缆机参数的选择及布置方案比较

本文对大岗山拱坝施工缆机的参数及台数的选择进行了介绍,并对平移式及辐射式缆机布置方式的比较进行了介绍,希望能为类似工程中缆机的应用提供参考。     

基于BP神经网络的拱坝温度监测数据预测模型

实时监控拱坝的温度对工程进度和坝体安全具有重要意义.以白莲崖碾压混凝土拱坝温度监测数据为研究对象,建立基于MATLAB的拱坝温度监测反向传播(BP)神经网络预测模型,用原型观测数据对其进行校核和检验,并引入灰色理论中的GM(1,1)模型、混沌模型(最大Lyapunov指数法)与预测结果进行比较.结果证明,用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测,具有良好的应用前景.     

基于APSO和TWSVM的特高拱坝变形预测模型

为挖掘混凝土大坝变形监测数据与各影响因素之间复杂的非线性关系,提高特高拱坝变形预测精度,在孪生支持向量机(TWSVM)模型基础上,引入位置因子与速度因子,运用自适应粒子群优化(APSO)算法进行参数优化,构建了特高拱坝变形的APSO-TWSVM预测模型。实例验证结果表明,该模型可有效挖掘拱坝变形与影响因子间复杂的非线性关系,模型运算速度和精度均比传统SVM模型有明显提升。     

某工程高拱坝混凝土浇筑工期研究

针对某工程双曲拱坝的特点,采用施工模拟及工程类比的方法,对该坝坝体的施工进度进行分析。进而得出了相对合理的施工进度,即其混凝土双曲拱坝36个月的浇筑施工工期是合适的。     

模糊人工神经网络混凝土裂缝预测模型研究

将PSO与模糊优选人工神经网络进行融合,对重力坝混凝土裂缝进行智能预测,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。结果表明：采用这种方法可以提高模糊优选人工神经网络的训练效率并且具有很好的推广能力,预估结果合理。     

基于SSA-LSTM的混凝土拱坝变形预测模型

由于混凝土拱坝在变形过程中有明显的非线性特点,因此参数过多和陷入局部最优的问题是大坝变形预测模型过程中较为常见的问题。通过将麻雀搜索算法(SSA)引入长短期记忆神经网络(LSTM)中,进行超参数优化,建立了SSA-LSTM模型进行混凝土拱坝变形预测模型。以某拱坝多个测点的实测径向位移数据为例,将水压、温度和时效作为输入,坝体径向位移作为输出,使用SSA-LSTM模型与传统的变形预测模型BP神经网络、极限学习机(ELM)和支持向量机(SVM)分别进行回归预测,结果表明SSA-LSTM模型具有较强的预测能力,可用于大坝安全的预警预报。     

优化BP神经网络的位移预测模型

针对大坝位移预测常规方法存在的问题,基于改进粒子群算法的BP神经网络(IPSO-BP)的大坝位移预测方法,通过IPSO对常规BP神经网络的权值和阈值进行优化,弥补了BP网络的不足,保证了预测精度。以2011-12-21—2013-06-27观测得到的某混凝土重力坝某一典型坝段坝顶的顺河向位移值为研究对象,建立基于IPSO-BP的大坝预测模型并进行仿真分析研究。同时,为了验证该模型的拟合及预测效果,建立PSO-BP模型、利用最小二乘法求解参数的统计模型进行对比分析。上述研究结果表明,此模型预测精度优于常规模型且拟合效果好、预测结果的平均相对误差小,说明此方法有效可行。     

融合粒子群算法的混凝土裂缝预测模型研究

运用模糊优选人工神经网络对混凝土重力坝裂缝进行智能预测,在对模糊优选神经网络训练中采用融合粒子群算法,利用其全局寻优的能力和局部细致搜索优势,在解空间进行智能搜索,最终发现最优解。实例检验结果表明,采用这种方法可以提高模糊优选人工神经网络的训练效率,预测结果更合理。     

亭子口缆机运行效率提高的工作研究

根据缆机浇筑混凝土的工艺特性,将缆机浇筑混凝土过程中的车辆运输及缆机吊运程序进行作业流程分解,将缆机吊运作业周期划分为9个操作单元,采集缆机吊运混凝土过程中卸料和浇筑全周期各单元的50个工作样本数据进行统计分析,找出需改进的关键点,针对性地提出了6项改进措施.改进作业方案后缆机吊运混凝土的效率提高了约20％.     

左岸缆机平台上部滑塌区F29沟混凝土浇筑进展顺利

由中国水利水电第四工程局第一分局浇筑-大承担施工的左岸缆机平台上部滑塌区F29沟部位的混凝土浇筑施工进展顺利。截止2007年10月7日，滑塌区已从2560m高程浇筑到2582．5m高程，共完成23个仓号，浇筑混凝土3977m^3。     

基于ANSYS的碾压混凝土拱坝抗震分析

本文用ANSYS的参数化程序设计语言APDL进行二次开发,编制了动水压力的求解模块,在ANSYS中实现了坝体-库水-地基的耦合求解,并应用于工程实践,结果符合一般规律。     

基于支持向量机的东港市降水量预测模型研究

水是生命之源,降水量的变化直接影响着农业生产和生态平衡.本文立足于辽宁省东港站1970年～2013年共44年的降水量资料,运用支持向量机模型,建立基于支持向量机（SVM）的降水量预测模型,并将SVM模型与BP人工神经网络预测模型预测结果进行对比分析.结果表明：基于支持向量机（SVM）的降水量预测模型预测精度优于BP神经网络预测模型,且收敛速度快,迭代次数少;能够客观的反应东港市降水量情况,且方法简单、可行,为辽宁省东港市的降水量预测提供了较为有效的方法.     

基于PSO-SVM的碾压混凝土坝变形预测模型

为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型.通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度.以新疆北疆某碾压混凝土坝2014年～ 2019年变形监测数据为例,建立了逐步回归、SVM、P...     

基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法

拱坝在长期服役过程中受材料老化、环境侵蚀等因素影响,其动弹性模量真实值与设计值存在一定差异,合理确定运行期高拱坝及其地基的原型动弹性模量参数对于监控拱坝的振动安全至关重要。由于模态参数更能从整体上反映结构的振动特性,基于拱坝原型振动模态参数反演拱坝及地基的动弹性模量在理论上更为精确,为此,本文提出了一种基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法。首先,建立了反映拱坝及地基各分区动弹性模量与拱坝模态参数之间非线性映射关系的响应面数学模型,基于正交试验法分析了拱坝及地基的动弹性模量区域对拱坝模态参数的敏感性,并以此确定了待反演的动弹性模量区域。其次,提出了基于响应面数学模型计算模态参数和原型振动模态参数的拱坝及地基分区动弹性模量反演最优化数学模型,将动弹性模量参数反演问题转化为目标函数最优化求解问题。最后,采用自适应惯性权重的粒子群优化算法对目标函数进行寻优求解,反演出各分区实际动弹性模量。通过原型工程实例分析表明,该方法合理可行且具有很好的精度,为反演拱坝的动弹性模量提供了一条新思路。     

基于粒子群优化支持向量机的径流预测模型研究

径流预测的精度关系到研究地区的水资源开发利用.为了提高径流预测的精度,将基于统计学理论的模式识别方法支持向量机引入到径流预测模型中.支持向量机中有2个参数惩罚因子C和核参数,这2个参数的选择对支持向量机的模型结构有重要的影响.为了准确地找到支持向量机的参数,将全局寻优的粒子群算法引入到支持向量机的2个参数优化中来.实例研究表明,粒子群优化支持向量机模型能够提高径流预测的精度.     

混凝土坝浇筑仿真中的缆机干扰与联合问题研究

施工中的缆机相互干扰与联合问题对于高混凝土坝坝体浇筑进度与浇筑质量有着较大影响,在施工仿真中对该问题进行研究,一方面可以更加准确的对施工过程进行模型,另一方面也能更好的指导实际施工。采用空间分析和冲突识别等技术,结合工程实际,提出了适用于多种施工条件下处理缆机浇筑干扰与联合问题的模拟规则。利用该规则建立高混凝土坝浇筑仿真模型,并结合Auto CAD二次开发平台,开发出了高混凝土坝浇筑仿真及可视化系统。经过工程实例验证,所提出的规则以及建立的模型能够较准确的模拟大坝混凝土的浇筑过程,对于指导实际工程施工具有重要意义。     

基于改进支持向量机回归的日径流预测模型

日径流预测是水资源优化调度的重要组成部分,日径流预测精度的高低直接影响水资源优化配置的程度。针对日径流序列的特性,研究提出一种改进的支持向量机回归模型,并应用于日径流预测。与基本支持向量机和BP神经网络对比分析的实验结果表明,基于改进支持向量机回归预测模型的日径流预测精度明显高于BP网络,尤其是对于变化剧烈的径流序列表现出较基本支持向量机回归模型更优越的预测性能,为日径流预测分析提供了一种可靠、有效的途径和方法。     

基于某混凝土拱坝的坝顶位移回归分析

通过对混凝土拱坝拱冠梁处垂线位移多年监测资料的分析模拟建立坝顶位移统计回归模型。采用逐步回归法,分析水压分量、温度分量、时效分量对坝顶位移的影响量。统计分析回归模型较好地反映了大坝的变形规律与变化趋势,该模型的建立,为今后大坝运行安全性态和预测大坝变形发展规律提供了有效分析手段和途径。