水工建筑物安全监控模型优化分析研究

基于神经网络算法中的LSTM算法,建立水工建筑物安全监控深度模型。从数据处理、网络结构和外延预测3个方面对监控大数据进行优化。结合某水工建筑物实例,验证模型的有效性,从不同角度对比LSTM模型与其他模型在水工建筑物安全监控预测方面的差异。结果表明,LSTM模型不仅能准确预测水工建筑物参数随时间变化的数值和趋势,也能在一定程度上反映参数的波动情况,体现出良好的预测效果。与其他模型相比,深度学习模型可以应用于不同场景,且在同一场景,深度学习预测效果更佳。SRSM、BPNN和LSTM 3个模型中,误差最小的为LSTM模型,误差结果由小到大排序为LSTM、BPNN和SRSM。     

蓄能电站群水工安全监测信息监控平台研发

蓄能电站库坝势能高且水位变动频率高、速度快,水道工作水头高,水工建筑物运行性态和安全对工程效益发挥、公共安全和电网安全意义重大。提出了统一的蓄能电站水工建筑物安全监测数据库表结构及对象标识符命名规则,构建了针对抽水蓄能电站水工建筑物、水工监测设备的对象模型,构建了普适于商用云计算基础设施即服务(IaaS)的蓄能电站群水工监测信息数据中台。研发了针对蓄能电站群水工建筑平台监测数据进行编组分析、相关性分析、回归分析,并通过有限元计算模型进行大坝长期性态实时在线反演分析,融合散点数据形成连续分布大坝数字孪生模型的分析功能微服务体系和技术中台。开发了对蓄能电站水工安全监测数据复杂查询分析和空间分布特性展示,基于BIM模型进行水工建筑物和监测设施三维轻量化展示查询和漫游,对监测设备故障、构筑物病害进行实时预警的业务前台,提出了基于水工建筑物数字孪生模型、通过VTK架构实现大坝性态数字孪生模型线上交互分析和三维展示浏览的可视化方法。监控平台可实时监控、分析、预测蓄能电站群(亦能应用于常规水库水电站枢纽群)安全性态,为工程运行管理提供技术基础。     

水工建筑物表面变形与库水位变化相关性研究

某水电站地处高寒、高海拔、高地震烈度区，在这样的环境中建157 m高的面板堆石坝尚属首次。通过对其水工建筑物表面变形定期进行观测并及时分析、总结表面变形规律，分析研究库水位升降对水工建筑物的影响效应，尤其是在主汛期和枯水期加密监测，及时收集全站仪自动化测站和人工观测的表面变形数据以及库水位监测数据，深入分析在库水位达到设计或校核洪水位、正常蓄水位及死水位情况下对各水工建筑物表面变形观测数据造成的影响，为各水工建筑物的安全运行提供实时、高效、真实的基础数据支撑和位移变化趋势预测预判。通过引入全站仪自动化监测系统，监测点数据成果连续、可靠，且数据量大、精度高，有利于掌握水工建筑物的形态变化和表面变形规律，确保水电站安全、平稳运行。     

俄罗斯水工建筑物安全管理现状

介绍俄罗斯联邦《水工建筑物安全法》以及依据该法建立的水工建筑物安全监察体系和安全报告制度 .该法贯彻实施后加强了水工建筑物的安全管理和监督 .通过维修加固和科技保障工作 ,建筑物的安全水平有了较大提高 ,但由于缺乏资金 ,这两项工作均未按计划完成 .目前正在加紧制定俄罗斯联邦《因水工建筑物失事引起损害的民事责任义务保险法》 ,该项保险是促使业主向水工建筑物安全措施投资的有效手段     

抽水蓄能电站水工建筑物专家分析库系统的研究与开发

随着我国抽水蓄能电站的建设,对抽水蓄能电站水工建筑物进行实时安全评价是电站安全运行的重要保障。通过对抽水蓄能电站水工建筑物安全监测主要问题的分析,采用产生式专家系统方法,结合最新的计算机软件技术,对抽水蓄能电站水工建筑物安全综合分析推理系统进行了研究开发,介绍采用的技术路线、方法和有关模型,系统实现的有关功能模块。采用改进的统计数学模型并结合产生式专家系统方法的抽水蓄能电站水工建筑物安全综合分析推理系统可以对水工建筑物安全性态进行快速分析评价。     

基于深度学习的结构裂缝检测综述

将无人机影像数据与深度学习技术相结合,可实现水工建筑物表面裂缝的远程非接触式检测,为维护结构正常运行提供保障。本文介绍了近年来流行的深度学习方法,梳理了基于卷积神经网络的分类、检测和分割三类算法在裂缝检测中的应用及特点。结合堤防裂缝检测,阐述了无人机影像用于裂缝检测的流程和挑战。最后给出水工建筑物裂缝检测的研究难点与展望。     

水工建筑物闸门振动问题浅析

闸门是水工建筑物的重要组成部分之一,其作用是封闭水工建筑物的孔口,并能够按需要开放孔口,以调节上下游水位,泄放流量,放运船只、木排、竹筏,排除沉沙、冰块以及其他飘浮物.闸门装置在水工建筑物总造价中占有较大比重,一般约10％～30％,在某些特殊工程上所占比重更高,可见闸门在水工建筑物中的重要性.闸门的安全运行直接决定着水工建筑物工程效益的发挥,而闸门的振动是影响闸门安全运行的重要因素之一,同时闸门的振动问题也是水工建筑物管理运行的重要课题之一.根据相关水管单位多年对水工建筑物运行管理的经验,现就引起水工建筑物闸门振动的各种现象及其原因、危害及防振措施简析如下.     

基于模型尺度调整算法的水下冲刷数据处理

为消除水下冲刷多波束数据的显示隐藏问题,提出一种结合区域隔离和调整数据色谱阈值的模型尺度调整算法,并给出基于该算法的数据处理方法。实例分析表明,采用基于模型尺度调整算法的数据处理方法,可使多波束数据成像显示效果提高3 ~5 倍,从而解决水工建筑物水下冲刷数据的显示隐藏问题。     

桐柏抽水蓄能电站安全监测实施及其作用

桐柏电站是目前浙江省在建的大型水电工程之一(国家级重点工程),该工程布置了比较全面的水工建筑物安全监测项目.对桐柏电站水工建筑物安全监测工程作了介绍,包括水工建筑物安全监测项目设置和目的、监测项目实施情况和安全监测所发挥的作用等.     

抽水蓄能电站水工建筑物监测统一管理系统建设

不同于流域式水电管理公司，国网新源控股有限公司所辖抽水蓄能电站分布地域较广，水工建筑物安全监测数据管理难度较大。笔者阐述了国网新源公司水工建筑物安全监测统一管理系统的建设思路及所实现的功能，表明集中式数据管理模式有利于提高水工建筑物安全监测管控质量，为类似集团式数据管理提供参考。     

An intelligent singular value diagnostic method for concrete dam deformation monitoring

Extracting implicit anomaly information through deformation monitoring data mining is highly significant to determining dam safety status.As an intelligent singular value diagnostic method for concrete dam deformation monitoring,shallow neural network models result in local optima and overfitting,and require manual feature extraction.To obtain an intelligent singular value diagnosis model that can be used for dam safety monitoring,a convolutional neural network(CNN)model that has advantages of deep learning(DL),such as automatic feature extraction,good model fitting,and strong generalizability,was trained in this study.An engineering example shows that the predicted result of the intelligent singular value diagnostic method based on CNN is highly compatible with the confusion matrix,with a precision of 92.41%,receiver operating characteristic(ROC) coordinates of(0.03,0.97),an area-under-curve(AUC) value of 0.99,and an F1-score of 0.91.Moreover,the performance of the CNN model is better than those of models based on decision tree(DT) and k-nearest neighbor(KNN) methods.Therefore,the intelligent singular value diagnostic method based on CNN is simple to operate,highly intelligent,and highly reliable,and it has a high potential for application in engineering.     

基于 Embedding-GRU 的水库水位预测模型

为解决因水库数据采集设备能力有限、水文数据不全导致预测水库水位时预测精度较低的问题，以四岭水 库每小时水位监测数据为例，提出基于嵌入式-门控循环单元（Embedding-gated?recurrent?unit，Embedding-GRU）的 水库水位预测模型，即利用 Embedding 方法将单维降雨量数据升维至多维数据，扩大降雨的气候特征，结合 GRU 算法进行水库水位预测。将该模型与传统深度学习算法长短期记忆（long?short-term?memory，LSTM）、门控循环单 元（gated?recurrent?unit，GRU）、双向门控循环单元（bidirectional?recurrent?neural?network，BiGRU）这 3 种模型对比， 结果显示：Embedding-GRU 模型的预测效果均优于其他传统模型，平均绝对误差 EMA和均方根误差 ERMS分别平均 下降 19.6% 和 7.7%，并且在预测次日水库水位的应用场景中决定系数 R2能够达到 0.989?37。结果表明：该模型耦 合多种算法，扩大单变量的气候特征，具有较高预测精度和泛化能力。相较传统模型，基于 Embedding-GRU 的水 库水位预测模型能够对缺少温度、气压、风速、蒸发量等监测数据的水库进行可靠度较高的预测，适用水库范围 更广，为水库日常运维、除险加固提供参考。     

某水利枢纽工程震后监测资料分析及震后安全评价

某水利枢纽工程附近发生里氏5.7级地震,工程区震感强烈,安全监测多项测值异常。通过对震前震后安全监测资料分析,得出本次地震对大坝安全的影响较小,工程运行安全、稳定。实例表明,对水利枢纽工程进行抗震监测十分有效。     

基于ARMA-GMDH的水利工程变形预测模型

变形监测数据是定量评价水利工程结构安全的重要依据。水利工程变形数据是一种典型的非平稳信号,同时包含线性成分与非线性成分。针对水利工程变形的线性成分和非线性成分特征,分别利用针对线性信号的自回归移动平均模型和非线性信号的数据分组处理方法,构建了一种基于ARMA-GMDH的组合预测模型对水利工程的变形进行预测。工程实例表明,该方法可以有效地对水利工程变形的线性及非线性成分进行预测,与多个预测方法结果进行对比发现所提出的组合模型具有较高的预测精度,且与实测数据具有相似的变形趋势,可以分别对变形的线性及非线性成分规律进行分析,综合判断结构的变形趋势和安全性态,因此具有一定的工程应用价值。     

基于时间序列的地下水封洞库变形监测模型研究

为确保地下水封洞库工程的安全,需利用监测数据分析和掌握地下结构的安全性状,并利用已有监测数据预测未来结构变化。基于时间序列分析理论,并以地下水封洞库变形监测效应量为研究对象,试图建立地下水封洞库变形的时间序列预测模型,在介绍模型原理的基础上,分析了监测数据平稳处理、模型识别、参数估计的方法和步骤。通过工程实例证明,采用时间序列分析预测模型对地下水封洞库围岩变形进行预测是可行的。     

基于LSTM 神经网络模型的灞河流域径流预报研究

径流预报是缓解洪水的一种重要方法。基于1978-2010 年的水文资料,结合长短期记忆神经网络（Long-Short Term Memory,LSTM）,构建了灞河流域径流预测模型,并且评价了模型对同一流域不同特征水文站的差异及不同季度的预测效果差异。结果表明：不同神经元的组合,对LSTM 模型预测效果会产生影响,利用最佳的神经元组合可以更加有效预测径流量变化,大峪河大峪（三）站的最佳组合为第一层神经元128 个,第二层神经元32 个;灞河罗李村（四）站的最佳组合为第一层神经元128 个,第二层神经元8 个;灞河马渡王站的最佳组合为第一层神经元8 个,第二层神经元2 个。不同站点的LSTM 最佳模型都能较为有效的预测三个水文站2006-2010 年的径流量变化,其中大峪河大峪（三）站效果最佳,其余两个站点效果相对较差。LSTM 模型对各个季度的预测效果有差异,各个站点大部分第三季度的均方根误差都较大,而对第一、四季度的径流预测相对较准确。     

基于结构分析的深厚砂层竖井施工安全监测布设思考

为监控深厚砂层竖井结构施工和运行安全,应布设地下水位、变形和应力应变等监测项目,以全面及时反映竖井工作状态。通过结构计算分析,根据岩土工程安全监测布设原则,结合施工方法等工程实际,对该竖井的监测布设进行探讨和思考,总结经验以供本工程及类似工程监测布设参考。     

Correction of Reservoir Runoff Forecast Based on Multi-scenario Division and Multi Models

Accurate runoff forecast is very important for reservoir operation. In view of the shortcomings of the existing correction models for runoff forecast, including the influence of the difference of external factors on the forecast results is not considered, and the optimal situation adaptation of different forecast models is not considered, three models, i.e., long and short-term memory neural network model (LSTM), gaussian process regression model (GPR) and support vector machine regression model (SVR), are used to forecast the relative errors of runoff forecast under different scenarios in this paper. The classification of forecast scenarios is determined based on factors such as rainfall, inflow, and foresight period, and two scenario sets are given, i.e., 12 forecast scenarios and 24 forecast scenarios. Then, a multi-model coupled runoff forecast correction method considering forecast error and forecast scenario is proposed. Through the case study of the Three Gorges Reservoir (TGR), it is found that, when the analysis is carried out based on the forecast period, the SVR model should be used for forecast correction when the foresight period is 1–5 days, and the LSTM model should be used for forecast correction when the foresight period is 6 days. The application effect of SVR and LSTM is better than GPR in the scenario set of 12 forecast scenarios. LSTM model has the highest accuracy of forecast correction in the scenario set of 24 forecast scenarios, and the mean value of the coefficient of certainty (R²) changes from 0.919 of 12 forecast scenarios to 0.931 of 24 forecast scenarios, increasing by 1.31%. The mean value of mean relative error (MRE) changes from 6.80% of 12 forecast scenarios to 5.64% of 24 forecast scenarios, a decrease of 17.06%. Finally, the best model adaptation table corresponding to different forecast scenarios of TGR is established, which has an important guiding role in the actual runoff forecast of TGR.

     

地基水泥粉喷技术在水利工程中的应用与研究

１９９３年山西省忻州地区滹沱河界河铺引水枢纽改建工程采用水泥粉喷技术建造闸墩基础加固桩、挡水坝基础防渗墙获得良好的工程效果。这是一种通过机械对基础土强行搅动并同时喷射水泥粉，使搅拌土自凝形成地下构筑物的施工方法。实践证明地基水泥粉喷建筑物是水利建设中常见的中、浅深度防渗墙及桩基的良好的工程替代方案。     

水工金属结构远程监控及安全管理系统研究

针对水工金属结构存在的缺乏实时在线监测、监测数据存储及传输方式落后、缺少远程共享管理平台及实时安全评估机制等问题,构建了一套可支持数据动态采集、数据高效存储及实时传输、实现远程监控及实时安全评估的水工金属结构远程监控及安全管理系统,建立了系统的体系结构和运行流程。在此基础上,对基于信息采集终端的运行状态数据采集与收发技术、基于互联网技术的数据传递方法及管理平台和分类分层方法以及安全度概念的安全评估机制等关键技术进行了研究。该系统已成功应用于云南某水电站,取得了良好的效果。