花凉亭土坝观测中的应用

根据花凉亭土坝1991～2003年的渗流观测资料,分析了坝体和坝基测压管水位的变化规律和变化趋势及其与各影响分量的关系,建立了管水位的统计模型和回归模型,定量研究了上游水位、下游水位、降雨量、时效分量的影响,综合评价了大坝的渗流性态。     

新安江大坝扬压力观测资料分析

由于新安江大坝坝基地质条件复杂，为监测坝基渗流性态，布置了较多扬压力观测仪器。文中对扬压力观测资料进行了全面分析，评价了坝基渗流性态，揭示了部分坝段扬压力偏高的原因，得出了相应的结论和建议。     

东谷水库大坝渗流监测资料分析

根据东谷水库大坝渗流监测资料,定性分析了测压管水位变化过程、位势过程、渗漏量过程等.建立了测压管水位、渗漏量回归统计模型,定量分析了测压管水位的影响因素.结果表明,回归拟合效果较好,大坝浸润线趋于升高,渗漏量趋于减小,坝体整体渗透性降低,大坝渗流运行正常,分析结论可为东谷水库大坝渗流安全评价提供技术支持.     

凤滩大坝4号坝块坝基扬压力变化性态解析

基于凤滩大坝实测资料，对该坝4号坝块坝基扬压力的变化性态进行了定性分析，并结合逐步回归数学统计模型分析各环境量因子对坝基扬压力的影响程度，利用相关系数法和滞后模型分析扬压力滞后于库水位的滞后时间的变化，得出该坝块坝基地质性态的改变是引起扬压力异常的主要原因。文中所采用的相关系数法和滞后模型也可以应用到土石坝渗流分析、混凝土大坝各变形监测分析。     

土石坝渗流观测资料分析模型及方法

为了有铲地根据土石坝的原型观测资料来分析坝体和坝基中存在的渗流问题，本文以渗流理论为基础，结合工程实际，考虑了水位、降雨量、坝基排水以及时效等因素对渗流的影响，建立了土石坝坝体和坝基测压管以及通过大坝渗流量等观测资料的统计分析模型和方法，经对青山和对河口水库等工程的实际应用，说明其效果是令人满意的。     

密云水库土石坝渗流分析——以走马庄副坝为例

对走马庄副坝1994—2014年的渗流监测资料进行测压管水位、坝基及绕坝渗流监测、坝身渗流监测及高水位运行状况分析,预测设计水位157.5 m时坝体的工作状况,与设计值比较,全面研究坝体、坝基渗流状况,以掌握该坝在高水位情况下的运行状态。结果表明,走马庄副坝坝体、坝基防渗效果良好,大坝渗流稳定,建议加强对Ⅳ号坝基渗流监测工作。     

丹江口混凝土坝渗漏性态分析

丹江口水利枢纽是一座已运行了 30多年的重力坝 ,南水北调一期工程的大坝加高即将实施 ,相应增加的高库水位对坝基和坝体的渗漏都将会产生一定的影响。为掌握丹江口混凝土坝坝体和坝基所受的渗透力作用的变化、坝基防渗的效果 ,根据多年渗流监测原型观测资料 ,利用统计模型对丹江口大坝渗流实测性态进行了简要分析     

水库大坝局部坝基扬压力异常原因分析

以某水库工程为例,在概述水库建设概况的基础上对扬压力异常问题进行描述,并针对测压管UPR-1损坏以及重新埋设测压管后测值异常的原因展开分析。根据渗流有限元计算结果,坝基防渗帷幕运行异常以及坝基内部存在渗漏通道、局部强透水带是引起重新埋设测压管后扬压力测值异常的主要原因。分析结果为该水库大坝坝基防渗帷幕结构体的加固补强提供了依据。     

双塔水库大坝渗流观测分析

为了有效地根据双塔水库大坝原始观测资料来分析坝体和坝基中存在的渗流问题,以渗流理论为基础,结合双塔水库实际,从水位、坝基排水以及时效等因素对渗流的影响,对水库坝体和测压管以及大坝渗流量等观测资料进行了分析。     

跋山水库坝基渗流安全分析

根据大坝测压管原型观测资料，对跋山水库坝基渗流安全状况进行了分析．结果表明，大坝桩号0＋370断面基岩渗水严重，已成为稳定的渗漏通道；大坝桩号1＋250断面坝基粘土截水槽防渗效果理想，渗透稳定；大坝桩号1＋620断面坝基与坝体问砂土防渗效果差，库水位高于176.50m时，将发生渗透破坏．并提出了加固措施和安全运用意见．     

复杂土坝的渗流安全分析评价

根据福华山土坝的渗流观测资料,建立了测压管水位的回归统计模型,定量分析了各影响量(水位分量、时效分量)对测压管水位的影响效应。在此基础上,结合观测资料,采用有限元法反演了大坝各填筑区的渗透系数,并综合评价了大坝的渗流性态。     

云南漫湾水电站工程大坝变形与扬压力监测成果分析

本报告对漫湾水电站工程大坝的变形，扬压力，绕坝渗流等监测资料进行了分析，通过分析认为坝基和坝体水平位移较小，分别向下游位移１．４４ｍｍ和７．９１ｍｍ；坝基实测扬压力比设计扬压力小，７号，１２号，１６号坝段实测扬压力分别为设计扬压务的４４．２％，６４．２％，有利于抗滑稳定，增加大坝安全度。坝基排水幕处渗压系数均比设计值０．２小于７号，１２号，１７号坝段排水处的渗压系数分别为０，－０．３３，０．０７－     

万安水电站土石坝坝体渗流特性分析

渗流特性是反映土石坝运行性态的重要内容。依据万安水电站土石坝坝体测压管渗压水位监测资料,从渗压水位变化过程、渗压水位与上游水位相关性、坝体浸润线和心墙渗透坡降等方面,对大坝渗流特性与渗流状态进行了分析与评价。研究表明,万安水电站土石坝坝体渗压水位变化规律和坝体浸润线状态合理,心墙防渗效果较好,坝体渗流特性正常。     

跋山水库大坝左岸坝基渗漏分析与处理

根据工程定期检查及大坝测压管原型观测资料,对跋山水库大坝左岸坝基渗流进行分析,结果表明坝基与坝体间砂土防渗效果差,库水位高于176.50m时,将发生渗透破坏;为保证大坝安全稳定,采用固结灌浆处理方案,起到了防渗补漏的效果。     

丹江口左岸土石坝测压管水位异常原因分析

2000年6月以来,丹江口水利枢纽左岸土石坝“1140-1上”测压管水位出现异常。通过对测压管灵敏度检测,结合多年监测资料,采用多种分析手段,对异常现象进行了分析研究,得到以下结论：在坝体加高过程中,测压管受碾压损伤,经多年使用,导致降雨引起的渗流水进入测压管内,致使水位发生异常,而土石坝坝体的防渗结构工作是正常的。     

柴河水库大坝坝基渗流监测数据研究

柴河水库大坝右坝段坝基存在渗漏问题,为了水库大坝的安全建设和运行对大坝监测数据进行研究非常重要。采用逐步回归分析法对大坝坝基测压管多年监测数据建立了统计回归分析模型,计算结果表明,观测值与拟合值统计复相关系数较大,估计标准误差较小,模型有效地反映了坝基渗流的变化规律和发展趋势。为了监控大坝的安全运行和辅助决策,利用小波神经网络建立了有效的坝基渗流量预测模型,计算结果表明,该预测模型收敛速度较快、预测精度较高,能正确地模拟和预测大坝的渗流量。     

克孜尔水库主坝渗流监测资料分析

根据工程实际情况,详细分析了主坝坝体测压管水位、孔隙水压力、渗流量等观测资料,从安全监测的角度评价了主坝的运行状态。分析表明了主坝右肩存在渗流稳定问题。     

观音阁水库大坝坝基扬压水位观测成果分析

大观音阁水库大坝坝基扬压水位观测资料系统的分析和坝基扬压水位分布态势及变化及过程进行描述的基础上，对部分坝段的渗压系数进行了计算和分析，并通过建立统计模型，对测值变化规律及影响因素作了分析。     

Monitoring models for base flow effect and daily variation of dam seepage elements considering time lag effect

Affected by external environmental factors and evolution of dam performance, dam seepage behavior shows nonlinear time-varying characteristics. In this study, to predict and evaluate the long-term development trend and short-term fluctuation of the dam seepage behavior, two monitoring models were developed, one for the base flow effect and one for daily variation of dam seepage elements. In the first model, to avoid the influence of the time lag effect on the evaluation of seepage variation with the time effect component of seepage elements, the base values of the seepage element and the reservoir water level were extracted using the wavelet multi-resolution analysis method, and the time effect component was separated by the established base flow effect monitoring model. For the development of the daily variation monitoring model for dam seepage elements, all the previous factors, of which the measured time series prior to the dam seepage element monitoring time may have certain influence on the monitored results, were considered. Those factors that were positively correlated with the analyzed seepage element were initially considered to be the support vector machine (SVM) model input factors, and then the SVM kernel function-based sensitivity analysis was performed to optimize the input factor set and establish the optimized daily variation SVM model. The efficiency and rationality of the two models were verified by case studies of the water level of two piezometric tubes buried under the slope of a concrete gravity dam. Sensitivity analysis of the optimized SVM model shows that the influences of the daily variation of the upstream reservoir water level and rainfall on the daily variation of piezometric tube water level are processes subject to normal distribution.