基于优化VMD与GRU的混凝土坝变形预测模型

为提高大坝变形预测精度,基于“分解-重构”思想,采用变形信号处理技术对实测变形加以时频分解,并结合深度学习网络对分解信号分项预测再重构,提出一种基于优化变分模态分解(VMD)与门控循环单元(GRU)的混凝土坝变形预测模型。该模型使用灰狼优化算法(GWO)优化的VMD把原始数据分解为一组最优本征模态分量(IMF),利用GWO优化的GRU网络对每个IMF分量进行滚动预测,通过叠加各个分量的预测结果得到位移序列预测结果,解决了VMD人工选择参数导致分解效果差及GRU人工选择参数影响训练速度、使用效果及鲁棒性等问题。工程实例预测结果表明,该模型的预测误差小,具有良好的预测精度与稳健性。     

基于BO-GRU的混凝土坝变形预测模型

针对混凝土坝变形具有较强的非线性特点、目前大坝变形预测模型出现参数过多及易陷入局部最优等问题,提出了一种深度学习中的门控制循环单元(GRU)模型,并结合贝叶斯优化算法(BO)对门控制循环单元的超参数进行优化,建立BO-GRU模型应用于混凝土坝变形预测。为检验模型的可行性,以实测变形监测数据为基础,并与极限学习机、相关向量机和基于遗传算法优化的支持向量机等模型预测结果进行对比。结果表明:该模型的泛化能力强、运行效率高,能有效运用于混凝土坝的变形预测。     

四川雅江县城北危岩体变形特征与形成机理探讨

以雅砻江右岸雅江县城北危岩体为例,在分析危岩体所处的地质环境背景的基础上,根据危岩体变形特征,将危岩体划分为4个危岩带,分别对每个危岩带变形特征与破坏模式开展了详细的现场调查、取样和分析,并对危岩体的形成机制进行了分析总结。根据各危岩带不同的变形特征及稳定性,提出了"分段治理、主被动防护相结合"的防治策略,可为认识该类危岩体的变形特征、形成机制及防灾减灾提供科学依据。     

基于3DE平台的危岩体结构面识别及块体分析——以房县抽水蓄能电站为例

为解决高陡危岩体稳定性评价难度大的问题，以湖北省十堰市房县抽水蓄能电站下水库危岩体边坡为研究对象，将三维激光扫描技术、倾斜摄影技术及工程地质分析相结合，对危岩体稳定性进行分析评价。结果表明：将危岩体三维激光扫描点云及倾斜摄影模型导入达索3DExperience(3DE)平台，采用自主创建的结构面模板准确识别结构面信息，进而利用结构面空间模型互相切割形成定位三维块体，可确定块体的空间位置及规模，并进行块体形态分析、块体体积测量与计算等应用。该危岩体结构面识别及块体分析方法可为其他工程危岩体分析提供参考。     

基于LSTM-Arima的大坝变形组合预测模型及其应用

大坝变形是水压、温度等多种因素综合作用的结果,变形监测数据是非平稳非线性的时间序列,并且在时间维度上具有关联性。为充分挖掘变形监测数据在长短时间跨度上的关联性,提出了应用长短期记忆网络(LSTM)预测大坝变形的方法。为进一步提升预测精度,利用自回归差分移动平均模型(Arima)对预测残差进行误差修正,从而建立基于LSTM-Arima的大坝变形组合预测模型。以某混凝土重力坝为例,将组合模型的预测结果与Arima模型、支持向量机(SVM)的预测结果进行对比分析。结果表明LSTM-Arima的预测结果优于Arima模型和SVM的预测结果,LSTM-Arima的均方根误差(RMSE) 比Arima模型和SVM分别降低了40.65%和59.00%,平均绝对误差(MAE)分别降低了35.49%和55.60%,表明LSTM-Arima模型具有较高的预测精度。研究成果对于更精确地开展大坝变形预测有一定参考价值。     

变形预测的一种最优线性组合模型

介绍了灰色GM(1,1)、时间序列和非线性组合模型的基本概念,讨论了最优线性组合模型的定义及其权系数的求解方法。结合某大坝变形监测数据,建立了基于灰色与时间序列的非线性组合模型和最优线性组合模型,以及基于灰色、时间序列与非线性组合的最优线性组合模型,并把这3种组合模型的预测结果与GM(1,1)、时间序列模型进行比较。结果表明,融合GM(1,1)、时间序列与非线性灰色时间序列组合的最优线性组合模型的预测效果明显好于另两种模型,其预测误差小于1 mm。     

最优加权组合模型在边坡变形预测中的应用

利用某岩质边坡2002年-2011年的变形监测资料,结合区域地质与气象背景,运用莱茵达准则选定有效的监测数据,分别建立了GM(1,1)模型和趋势曲线预测模型;最后,基于最优加权组合原理,建立了边坡变形的最优加权组合模型。运用组合模型对该岩质边坡的变形进行了拟合和变形预测,模拟变形趋势与实际变形趋势对比结果表明,组合模型的预测精度高于任何单一模型的拟合精度,证明该组合模型合理、可靠。     

索风营水电站Dr2危岩体动力稳定分析

针对索风营水电站的Dr2危岩体在地震作用下的动力稳定问题,以及锚固洞、抗滑桩等加固措施在单独、联合作用时对整体稳定的贡献度问题,通过建立包含危岩体及其加固措施的三维有限元模型,采用振型分解反应谱法计算了危岩体上的滑体在地震作用下的惯性荷载,并将其作为外荷载与静力荷载工况进行组合。基于三维非线性有限元强度折减法,以特征点位移突变、锚固洞(或抗滑桩)截面最大剪力超过其典型截面的斜截面极限抗剪承载力等为失稳判据,以此确定危岩体的动力稳定安全系数。结果表明:天然状态下的危岩体动力稳定安全系数为1.017,不满足规范要求。单独考虑锚固洞或抗滑桩加固时,危岩体的动力稳定安全系数分别为1.10、1.06;洞桩联合加固时危岩体动力稳定安全系数为1.11,洞桩联合加固的效果较好。研究成果对同类复杂岩质高边坡的动力稳定分析具有参考价值。     

基于谱表示法和时间衰变模型的岩体稳定性评价

为了从时间尺度和空间变异性上研究石质文物危岩体的结构稳定性,建立了岩体强度参数的空间分布和时间退化模型。选取麦积山石窟13号窟危岩体为研究对象,利用强度折减法对石窟岩体稳定性进行模拟计算。模拟结果表明:(1)麦积山13号窟现状条件下最大位移为1.8 mm,中部位移方向略微倾向石窟外侧,石窟顶部呈现局部塑性变形,但整体稳定性较好,模拟结果与现状调查较为一致。(2)加入时间衰变模型后发现,13号窟现状条件下顶部位移为1.2 mm;预测50 a后洞窟最大位移位于洞顶,为1.3 mm; 100 a后洞窟最大位移从洞顶转移至坡脚,为16.7 mm。(3)强度折减分析表明,100 a后模型产生大面积塑性区域贯通现象,洞顶发生拉张破坏,洞底剪切破坏。时空变异模型有效提高了传统静力学计算精度,通过时间退化模型真实地再现了石窟危岩体的动态破坏过程,在精确评价危岩体长期稳定性方面具有广泛应用价值,可为危岩治理提供参考。     

基于黏菌算法优化VMD-CNN-GRU模型的年径流预测

为提高年径流预测精度,引入黏菌算法（slime mould algorithm,SMA）和变分模态分解算法（variational mode decomposition,VMD）,提出一种基于卷积神经网络（convolutional neural network,CNN）和门控循环单元（gated recurrent unit,GRU）神经网络的组合预测模型（VMD-SMA-CNN-GRU）。利用VMD对径流数据进行分解;采用SMA优化CNN-GRU模型参数,构建模型对每个分量进行预测;各分量结果相加得到最终结果。以兰西水文站为例,将所建模型与CEEMDAN (complete ensemble empirical mode decomposition with adaptive noise)-CNN-GRU、VMD-CNN-LSTM（long short-term memory）、VMD-LSTM、VMD-GRU、VMD-PSO (particle swarm optimization) CNN-GRU、SMA-CNN-GRU和CNN-GRU预测模型进行对比分析。结果表明：SMA优化的VMD-CNN-GRU模型预测精度不仅高于上述7种模型,而且避免了人工试算确定CNN-GRU模型参数效率低的不足,为年径流预测提供了一种新方法。     

基于三维激光扫描的地下洞室危岩体识别与监测技术

采用三维激光扫描技术对白鹤滩左岸地下厂房进行全域扫描建模,定量获取了已掉落块体的空间位置、形状、体积等信息,识别和监控潜在失稳块体,并结合地质力学特性,基于块体空间变形监测结果初步分析了其潜在失稳破坏机理。结果表明三维激光扫描技术可为地下洞室群危岩体的全域无接触识别、监测提供新途径,具有较高的应用价值与广阔前景。     

基于指数平滑法的危岩体变形破坏预测研究

根据三峡库区望霞危岩体的实际情况,采用指数平滑法对部分监测点位移进行了试验性建模,并对预测结果进行验证,预测结果表明,该方法具有较高的精度。在裂缝相对位移监测点资料的基础上,结合望霞危岩体破坏特点,提出了一个利用平滑系数来判断危岩体不同监测点的稳定性的概念模型,该模型可对预测危岩临滑时间提供权重大小,以提高危岩失稳时间预测的精度。     

三峡永久船闸高边坡变形监测设计及成果分析

三峡永久船闸高边坡变形及稳定是船闸施工安全和运行正常的关键。在边坡开挖过程中有效观测岩体变形量,掌握岩体变形特性,进而分析预测岩体的变形趋势,对指导边坡开挖及动态设计,确保船闸后期施工和运行期的安全是至关重要的课题。变形监测的优化设计、成功实施及准确的监测成果是完成这个课题的重要保证。永久船闸监测设计遵照“突出重点,兼顾全局,统一规划,分期实施”的总原则进行,变形监测项目主要有表层岩体变形监测,深层岩体变形监测。永久船闸高边坡变形监测系统主要由水平和垂直位移监测网、监测点、倒垂线、引张线、伸缩仪等项目组成,通过三峡工程永久船闸变形监测的设计与实施,证实三峡永久船闸高边坡变形监测资料能正确反映岩体变形情况,为危险块体及岩体裂缝的处理及时提供了准确的监测数据,使施工措施和设计更完善。     

考虑软弱基座风化效应的望霞危岩崩塌机制分析

三峡库区巫山县望霞危岩属上硬下软的软弱基座型边坡。软弱基座为页岩,抗风化性弱,易形成一定深度的低强度强风化带,甚至出现凹腔。软弱基座的压缩变形,是造成危岩压缩-滑塌失稳的主要原因。首先对望霞危岩工程地质条件及变形破坏特征进行分析,然后采用离散元UDEC模拟研究了软弱基座风化深度对危岩变形破坏过程及机制的影响规律。研究发现:通过考虑软弱基座的风化效应能较好地再现危岩的失稳过程。根据风化深度及危岩变形破坏演化,将危岩变形失稳过程分为稳定、累积损伤、座落及折断四个阶段。     

基于移动平均法的危岩点云数据处理及变形分析

传统危岩监测存在布点困难、效率低等不足,而三维激光扫描技术因采用非接触测量而可快速获取点云数据,但数据处理是难点。提出了一种基于移动平均法的危岩点云数据处理方法以提高变形识别率。首先根据危岩节理特征构造新的空间坐标系,使得某一轴向可直观反映危岩主要滑移方向,再通过曲面拟合计算移动窗口内的特征点,有效缩减了点云数据,在此基础利用ICP算法搜索对应点。依托温州某隧道工程,分析开挖边坡出现的危岩沿潜在滑移方向的位移,结果表明该方法极大提高了危岩变形识别的正确率,危岩在两次监测时间内存在约10 mm的变形,需采取一定的防治措施。     

基于ASWPD-BO-GRU的月径流量预测模型

为提高月径流量预测精度,并针对传统分解集成径流预测模型错误使用未来数据的问题,提出并建立了基于自适应小波包分解（ASWPD）和贝叶斯优化（BO）的门控循环单元（GRU）月径流量预测模型（ASWPD-BO-GRU）。首先,利用ASWPD对原始月径流量时间序列进行分解,在不使用未来数据的前提下得到4个相对规律的分解子序列,以降低预测难度;然后,利用BO优选分解后的子序列对应的GRU模型超参数;最终,对每个子序列进行预测,将预测结果相加重组得出月径流量预测结果。将提出并建立的模型应用于黑河流域莺落峡水文站月径流量预测中,并与GRU、BO-GRU、WPD-BO-GRU模型（基于传统分解思想对原始月径流量时间序列整体进行分解的预测模型）的预测结果进行对比。结果表明：ASWPD-BO-GRU模型的纳什效率系数（NSE）为0.89,在实例应用中预测精度最高,说明ASWPD-BO-GRU模型在正确分解的前提下具有较高的预测精度和更强的泛化能力。     

节理岩体的代表单元集合体模型及弹性参数预测

本文明确提出了节理岩体“代表单元集合体”的概念和模型，通过对节理岩体的“代表单元集合体”进行数值模拟，研究了节理岩体的“代表单元集合体”的变形特性，建立了节理岩体的弹性模型，提出了预测节理岩体宏观等效弹性参数的计算机模拟方法，并将其应用于岩体工程稳定性分析中。