地震对大坝变形监测的影响

新疆某水利枢纽工程是建设在中外跨界河流上游百米以上高度的土石坝,2007年7月20日某县境内发生的地震是该工程建设以来坝址区发生的最大地震,文中对地震前后大坝表面及内部的主要监测资料进行了对比分析,认为此次地震对大坝的整体安全没有实质性影响.     

基于北斗卫星系统的山洪灾害监测预警研究

针对河南省特殊的地质条件和降雨分布特征,利用北斗卫星系统有效提高山洪灾害地区监测和预警能力,减少人员和财产损失,为社会经济发展更好地服务。     

大坝变形监测数据分析

本文以小湾大坝为例,详细论述了大坝变形监测及其数据处理方法,并对小湾大坝变形监测方案进行研究,统计了变形监测数据,验证了小湾大坝的设计参数。研究表明:拱坝变形监测成果可靠,能够较好地反映各种因素对大坝变形的影响。     

北斗导航定位技术在溪洛渡水电站库区边坡监测中的应用

为了实现对溪洛渡水电站库区周围滑坡体形变的连续性自动化监测,建立了基于北斗高精度定位技术的自动化监测系统,使用自动化形变监测解算软件HCMonitor对监测点数据进行解算处理。增加北斗后的三星组合可以大大增加卫星的可用性和定位的可靠性,特别是对于观测环境较为恶劣的观测点,其效果更为明显,保障了系统的稳定、数据的可靠,拓宽了北斗导航定位技术在水电站库区边坡监测中的应用,同时对类似高精度自动化形变监测系统的建设具有借鉴意义。     

李家峡水电站大坝变形监测

文章主要介绍李家峡水电站的外部变形观测项目的布置、观测方法、精度要求及成果初步分析。     

青铜峡大坝变形监测系统

为对青铜峡原有大坝安全监测系统进行改造，１９９３完成更改设计，１９９４年完成施工安装，１９９５年元月投入正式运行。实际证明，仪器及系统可靠，满足了大坝形监的要求。该工程的成功也为今后有关工作提供了宝贵的经验。     

碧流河水库大坝变形监测系统

碧流河水库大坝变形测系统改造后，改善了观测条件，及时准确了解大坝的运行状态及实施大坝安全监控；从实测资料证明，仪器及系统可靠，能满足大坝变形监测的要求，做到有问题早发现，早分析，早处理，为大坝安全运行提供了可靠依据。     

基于最优化温度周期因子的坝体变形监测模型

针对坝体温度场的变化是影响坝体位移的主要因素之一,考虑到运行期坝体温度场的年周期是微小变动的,而现有的监测模型中谐波因子周期固定为365 d,在时间上较难刻画这种温度周期的微动。选用变周期的2组谐波因子,利用粒子群算法寻求最优周期,得到最优温度周期因子的位移监测模型。选用新安江大坝位移监测资料进行建模分析,结果表明最优周期温度因子模型能更好地体现温度对坝体变形的影响,复相关系数有较大提高。     

基于最大熵和云模型的RCC坝变形监控指标拟定

变形监控指标是评估和监测大坝安全的重要指标。以高寒地区某碾压混凝土重力坝的挡水坝段为例,首先引入改进的快速Myriad滤波法对大坝变形监测数据进行预处理,然后采用最大熵法和云模型法拟定大坝运行期变形监控指标,最后探讨了异常概率与云模型弱外围元素对定性概念贡献率之间的联系。实例分析表明,虽然云模型法按3E_n原则拟定的变形监控指标与最大熵法按照异常概率为1%与5%拟定的变形监控指标存在一定差异,但在监测时段内大坝实测变形最大值均小于两种方法拟定的变形监控指标,由于两者均通过数字特征值进行计算,包含的主观成分少,拟定的变形监控指标更可信;采用云模型中的弱外围元素拟定的变形监控指标与异常概率2.15%时的变形监控指标较接近,云模型弱外围元素对定性概念贡献率的计算可以为变形监控指标拟定的异常概率确定提供参考。     

基于典型小概率法大坝变形监控指标拟定

科学合理的大坝安全监控指标能综合分析和评价大坝的安全状况,因此大坝安全监控指标的拟定是大坝安全监控体系的核心和关键问题。基于大坝安全监测资料,根据大坝和坝基抵御所经历荷载的能力,用典型小概率法来评估和预测抵御可能发生荷载的能力,从而确定监控效应量的可能极值,即监控指标。以某水电站大坝为例,拟定了典型坝段的位移监控指标。实例表明,该方法简单可行,能准确的拟定大坝监控指标。     

基于BIM技术的水利工程大坝变形监测模型分析

利用BIM建立大坝三维造型,设置机敏网确定监测范围;剔除奇异值并补插,设置模型监测条件;非概率法拟定变形指标,实现对大坝的变形监测。实验证明:与传统模型相比,所构建的监测模型误差极小。分析表明,该模型的监测性能更优越。     

大化水电站大坝变形监测资料分析

通过对大化水电站大坝变形监测资料的分析，揭示出大坝水平位移，垂直位移及接缝的变化规律及影响因素，对某些监测量的物理成因做了解释，为今后大坝安全管理提供有益的依据。     

基于奇异谱分析与PSO优化SVM的混凝土坝变形监控模型

针对混凝土坝自动化变形监测数据存在噪声成分,且变形与环境影响因素间呈现出复杂的非线性关系等问题,提出了基于奇异谱分析(SSA)与粒子群算法(PSO)优化支持向量机(SVM)的混凝土坝变形监控模型。模型利用SSA对实测变形进行分解,提取其蕴含的趋势与周期性成分并对变形加以重构;在此基础上,采用基于PSO优化的SVM对重构变形与环境影响因素间复杂的非线性函数关系进行挖掘。实例验证结果表明,该模型具有较好的拟合与预测精度,可以有效地挖掘实测变形蕴含的数据特征,减小噪声成分对建模精度的影响,具有一定的工程应用价值。     

故县大坝变形监测存在的问题及自动化改造初步设想

介绍了故县大坝变形监测系统的构成及存在的问题，并根据故县大坝的实际情况，提出了实施自动化改造的初步设想。     

珊溪大坝变形监测中的若干问题

对珊溪水电厂近坝区高程控制网和平面边角控制网、大坝视准线及沉陷项目的监测精度进行分析,并就控制网的建立、施测中的有关问题进行探讨.     

基于人工神经网络的大坝变形分析与预报研究

本文在分析大坝位移影响因子的基础上,给出了基于BP-ANN(人工神经网络)分析大坝变形时的七种输入模式。探讨了在建立BP-ANN模型时几个关键问题的处理方法。结合某一混凝土拱坝的垂线观测数据,应用BP-ANN的不同输入模式,对大坝的变形值进行了预报和分析,得出了一些有益的结论。     

基于GP-XGBoost的大坝变形预测模型

为了改善传统预测模型建模方法大样本训练效率低、容易过拟合、参数敏感性差的问题,引入极端梯度提升(XGBoost)算法,结合基于高斯过程(GP)的贝叶斯优化方法提升学习效率与预测精度,构建了基于GP-XGBoost的大坝变形预测模型,并通过工程实例与传统统计模型、神经网络模型的预测效果进行了比较。结果表明,构建的大坝变形预测模型预测精度高,迭代速度快,通过调整正则项参数能有效避免过拟合。