变形分离法与数据驱动下的拱坝工作性态评价

基于有限测点位移监测数据推求大坝空间位移场变化规律是评价大坝工作性态的有效手段之一。拱坝受水荷载、温度等作用下产生的变形,不仅与坝体自身弹性模量有关,更取决于地基的变形特性。由于地基存在不均匀性等复杂问题,致使通过数值模拟的方法精准预测大坝的变形存在一定困难。本文将拱坝坝体的监测位移分解为坝体受荷载产生的位移及坝基约束变形产生的位移两部分,以其监测值与预测值系统误差最小为目标函数,基于坝体有限元模型建立了包含基础约束变形及坝体弹性模量为未知量的求解方程,通过大量位移监测资料结合人工智能粒子群算法寻优实现数据驱动,可同时求解坝基约束变形及坝体分区弹性模量。根据算例研究成果,针对复杂地基,采用本文方法推求得到的大坝空间位移场,除靠近坝体与坝基交界面附近节点位移预测值与有限元计算值相对误差稍大（约为3%）外,其余节点相对误差均在1.5%范围内,证明了本文方法的合理性;从本文方法在白鹤滩拱坝工程中的应用研究成果可知,其空间位移场相对误差分布合理且变形分离结果与实际情况相符,从而证明了方法的可行性。     

白鹤滩拱坝初期蓄水库岸变形机理研究北大核心CSCD

高拱坝蓄水期间均监测到一定程度的库岸变形,且变形量值和变形规律不一,这对超静定结构的高拱坝的工作性态和长期安全造成一定程度的影响。本文对白鹤滩拱坝的谷幅变形、坡体内部变形和库盘变形进行统计分析,研究了白鹤滩工程库岸变形的时空分布规律。通过建立谷幅变形的多元逐步回归模型,分离出水位分量、温度分量和时效分量。建立了有限元数值模型,基于裂隙岩体有效应力原理,利用弹塑性有限元方法,计算了白鹤滩拱坝初期蓄水到800 m高程时产生的谷幅变形。监测资料分析表明:大部分测线基本表现为收缩变形,且都与水位的上升具有一定的相关性;从顺河向方向来看,上游侧的谷幅变形值大于下游侧;从断面不同高程上的测线来看,谷幅收缩变形呈现自高而低依次减小的分布规律;坡体内部处于拉伸状态;库盘变形以下沉为主。多元回归分析和数值计算结果表明:谷幅变形监测值与800 m水位下有效应力计算值在上游侧的测线量值较为接近,两者在空间上也具有相同的分布规律,可以认为有效应力改变是初期蓄水库岸变形的主要影响因素。     

溪洛渡高拱坝蓄水期谷幅变形特性与影响因素分析

水库蓄水诱发的库岸变形现象对坝工结构的工作性态和工程整体的安全状态都有直接影响,及时掌握水库蓄水期间库岸岩体及坝工结构的真实变形状态,对于工程安全具有重要意义。针对我国溪洛渡高拱坝首次蓄水期间出现的显著的河谷谷幅收缩问题,收集整理了库区岩体及坝工结构的变形监测资料,通过统一坝体外观监测系统和内部垂线监测系统的基准点,获得了拱坝坝体及坝基岩体的真实变形状态,总结了坝体与库岸岩体变形的时空分布规律,认为坝体变形已受到坝址岩体变形的影响。在此基础上,本文通过建立逐步回归模型,分析了河谷谷幅发展过程与库水位、气温及其他作用因子的相关性,结果显示谷幅收缩过程主要由其他作用分量主导,而与库水位及气温的相关性较小。鉴于当前河谷谷幅收缩的趋势仍未完全收敛,对于谷幅收缩现象亟需进行机理研究以预测其未来发展趋势。     

二滩拱坝运行期坝体温度场反馈分析

本文基于二滩拱坝坝体监测仪器的温度观测资料,采用有限元法对坝体温度场进行了反馈分析。通过与实测温度值的比较,表明反馈温度值与实测值基本吻合,基本可以反映坝体实际温度场的分布情况,对于深入了解特高拱坝运行期坝体混凝土的实际温度变化具有重要的意义。从反馈温度场可以看出,由于二滩拱坝坝轴线方向接近南北方向,使得冬季时下游坝面温度明显呈现左右岸不对称分布,与规范设计温度荷载有很大差别,值得注意。     

溪洛渡高拱坝蓄水期谷幅变形特性与影响因素分析北大核心CSCD

水库蓄水诱发的库岸变形现象对坝工结构的工作性态和工程整体的安全状态都有直接影响,及时掌握水库蓄水期间库岸岩体及坝工结构的真实变形状态,对于工程安全具有重要意义。针对我国溪洛渡高拱坝首次蓄水期间出现的显著的河谷谷幅收缩问题,收集整理了库区岩体及坝工结构的变形监测资料,通过统一坝体外观监测系统和内部垂线监测系统的基准点,获得了拱坝坝体及坝基岩体的真实变形状态,总结了坝体与库岸岩体变形的时空分布规律,认为坝体变形已受到坝址岩体变形的影响。在此基础上,本文通过建立逐步回归模型,分析了河谷谷幅发展过程与库水位、气温及其他作用因子的相关性,结果显示谷幅收缩过程主要由其他作用分量主导,而与库水位及气温的相关性较小。鉴于当前河谷谷幅收缩的趋势仍未完全收敛,对于谷幅收缩现象亟需进行机理研究以预测其未来发展趋势。     

适应柱状节理玄武岩坝基的特高拱坝结构研究

白鹤滩水电站坝址区柱状节理玄武岩发育,其岩芯破碎,完整性较差,变形模量等力学指标相对较低,还表现出各向异性及开挖后易松弛的特性.白鹤滩水电站是首次将柱状节理玄武岩应用于高拱坝坝基,为研究特高拱坝适应基础岩体的力学特性,本文提出了拱坝扩大基础的结构形式.应用三维有限元方法,计算研究了扩大基础受力机理及效应,并研究柱状节理...     

基于原型监测的小湾特高拱坝首蓄期坝基变形特性分析

基于原型监测和数值仿真试验成果,研究了小湾特高拱坝首蓄期坝基变形特性。通过集成和整合理论推导、相关分析、综合过程线对比分析、工程类比、数学模型分析等定性和定量分析手段,形成了一套变形分析和状态评估的方法。首先,运用实测值过程线分析、特征值统计、相关分析等定性半定量方法归纳和总结了坝基的变形特征,找出若干需要重点关注的“疑点”问题。然后,运用相关分析、数学模型分析、成因分析、数值仿真试验等定量方法进行物理解释和机理分析。最后,运用工程类比、模型监控等综合比较的方法,对坝基的变形状态进行评估。分析发现:首蓄期小湾坝基整体向下游和两岸山体方向变形,径向水平位移明显大于切向水平位移,河床坝段径向位移大于岸坡坝段径向位移,变形空间对称性总体较好;拱端切向变形较小,未见重大异常。河床坝基径向变形尽管较大,但变化符合力学规律,当前仍处于可控状态。综合分析认为,小湾特高拱坝经受了1218m高库水位作用的考验,坝基变形规律总体正常。     

张峰水库大坝初蓄期监测资料分析

山西省张峰水库黏土斜心墙堆石坝在初期蓄水后,上游坝壳及心墙受到上游库水和湿化作用产生了变形,同时,坝体的浸润面也将逐渐形成,对大坝初蓄期进行渗流和变形观测是保证大坝安全和验证坝体设计的关键。通过对坝高72.2 m的张峰水库黏土斜心墙堆石坝初蓄期坝体变形和渗压等观测资料的综合分析,探讨了大坝初蓄期监测资料分析总结的方法,证明大坝目前工作性态总体正常,可以进一步蓄水,分析结果对类似工程有一定的借鉴意义。     

糯扎渡高心墙堆石坝模型参数动态反演分析

采用基于人工神经网络与演化算法的土石坝参数反演方法,根据糯扎渡高心墙堆石坝填筑期和蓄水初期坝体变形的现场监测数据进行模型参数动态反演分析,并根据反演分析得到的邓肯-张E-B模型参数进行有限元计算,分析和预测坝体完工期的变形特性。综合考虑施工干扰和仪器精度造成的数据波动等因素,反演计算结果与现场实测结果的数值和变化规律总体符合较好,反演计算结果较为可靠。根据反演参数计算得到的坝体变形分布符合心墙土石坝的一般变形规律,且变形值在正常范围内。     

蓄水期李家峡拱坝垂直位移与安全性态分析

鉴于李家峡库区复杂的地质情况及较长的蓄水历时,结合水库初次蓄水以来的拱坝垂直位移观测资料对坝体及坝肩岩体的垂直位移及其物理成因进行了分析,认为李家峡拱坝坝体及坝肩岩体的垂直位移基本正常,整个坝体变形安全性态良好.     

基于Bootstrap和ICS-MKELM算法的大坝变形预测

传统大坝预测方法难以适应坝体变形序列的高维非线性特征,且仅能以点值的形式预测大坝变形,未能有效量化由数据随机噪声、输入样本的主观确定、参数的随机选择等引起的结果不确定性。针对上述问题,提出了基于Bootstrap和改进布谷鸟优化多核极限学习机（ICS-MKELM）算法的大坝变形预测模型,实现在精确预测大坝变形点值的同时,通过区间形式量化预测值的不确定性。首先,建立基于高精度多核极限学习机（MKELM）的大坝变形预测模型,该模型集成了核极限学习机（KELM）高效处理强非线性回归问题的优势和混合核泛化、学习能力强的特点,同时采用基于惯性权重和混沌理论改进的布谷鸟搜索（ICS）算法对多核极限学习机中核参数及正则系数进行优化,弥补模型易陷入局部最优的不足;其次,引入Bootstrap区间预测方法对模型和数据造成的不确定影响进行量化;最后,将所提模型应用于某实际大坝工程的变形预测,分析了不同训练样本数对模型预测精度的影响,同时通过与五种常用的预测算法进行对比,验证了本文模型具有一致性和优越性。     

基于遗传单纯形神经网络的大坝变形监控模型

本文针对遗传算法局部搜索能力差的缺陷,把单纯形法嵌入到遗传算法中构成复合遗传算法,建立了基于遗传单纯形神经网络的大坝变形监控模型。实例研究表明,该模型较遗传神经网络模型、BP模型收敛性能好,具有较高的预报精度、较快的训练速度和较强的泛化能力,用于大坝变形预测有效可行,具有良好的应用前景。     

基于时序分解与深度学习的堆石坝变形预测

堆石坝变形监测数据是一种时间序列数据,可以用时序预测模型挖掘其规律并进行预测。本文利用时序预测模型提出一种堆石坝变形预测方法,该方法首先采用时间序列分解（seasonal-trend decomposition procedure based on loess,STL）将堆石坝变形监测数据分解为趋势项、周期项和不规则波动三部分,再使用经验模态分解（empirical mode decomposition,EMD）对不规则波动平稳化处理,最后利用长短期记忆网络（long short-term memory,LSTM）预测分解后的序列,并利用贝叶斯优化方法进行超参数优化。为评估该方法的预测效果,以水布垭面板堆石坝为例,通过控制训练时长、预测时长、离群值数目等变量进行多组仿真实验,并与其他时序预测模型对比。结果表明该方法预测精度较高,适用性较广,对于堆石坝的性状评估具有一定的应用价值。     

混凝土坝位移FEM-HST混合预测模型研究

开展大坝安全监控模型的研究可以对监测异常值进行预警,有助于监测大坝的运行状态,保障其安全运行。本文基于混凝土坝的监测数据,结合有限元（FEM）分析和传统的混凝土坝位移统计分析（HST）,建立混凝土坝长期运行位移FEM-HST混合预测模型,其中水压分量通过有限元计算获得,有限元模型的材料参数根据实际测点监测数据反演得到;温度分量采用简谐温度模型;时效分量采用时间的线性函数和对数函数的线性组合统计模型。所建立的FEM-HST混合模型显著改进了HST模型的预测精度和稳定性,可反映大坝和地基的结构和材料特性,能够更好预测极端荷载工况下大坝的位移,这有助于监控大坝在极端工况下的工作性态。     

大坝机理-数据融合模型的基本结构与特征北大核心CSCD

机理与数据的融合对大坝建造-运维全生命周期性态准确高效评估与调控至关重要。本文梳理了大坝建造面临的主要难题与融合模型的发展历程,提出了融合模型串联、并联、混联的三种结构型式、基本特征及适用性,并通过混凝土拱坝温度场监测分析工程实例阐述了融合模型的应用方式及适用性。研究表明:融合模型分析预测能力强、准确性高、泛化能力强,能够处理复杂动态演化的数据;相比于非融合模型,三种结构型式的融合模型均体现出显著的优势,为解决大坝建造与运维过程中参数反演、监测分析、策略优化等问题提供一种新的视角和范式。     

基于时间注意力机制的大坝动态变形预测模型

构建高精度的变形预测模型对于大坝风险评估及防治措施制定具有极其重要的意义。传统的大坝变形预测模型鲜有针对大坝的变形滞后性特点以及变形特征因子的影响性分析与评估,这会对模型的预测精度造成较大的影响,并导致模型缺乏可解释性。针对上述问题,本文提出一种结合时间注意力机制的门控循环单元神经网络（GRU）架构。首先通过卡尔曼滤波（Kalman Filter）对原始大坝变形数据中由于监测器异常导致的随机噪声与异常值进行处理。其次,利用随机森林（RF）对各变形特征因子的重要性进行分析和评估,筛选模型输入的特征因子。最后,针对大坝变形的滞后性,利用时间注意力机制进一步提高GRU模型对时间维度上的动态特征关注度,增强模型对时间维度信息的自适应学习能力,且对时间注意力进行可视化进一步提高了大坝变形预测模型在隐藏状态阶段上的可解释性。通过工程实例研究结果表明,卡尔曼滤波在大坝变形监测中确实存在一定适用性,同时本文所提出的耦合时间注意力机制的变形预测模型有着较高的预测精度,对于预测过程中的隐藏状态层级有较强的解释性,并揭示了温度与水位因素对大坝变形的长期影响,为大坝变形安全监测提供了一种新的有效方法。     

大坝变形预测的最优因子长短期记忆网络模型

面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子（least absolute shrinkage and selection operation,LASSO）变量选择和长短期记忆（long short-term memory,LSTM）网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差（MAE）、均方误差（MSE）与均方根误差（RMSE）均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。     

基于面板时空模型的锦屏一级大坝变形性态分析

拱坝变形性态是多因子耦合共同作用的结果,具有时空二维的演化规律和分布特征。本文基于变截距面板数据时空模型,充分利用多测点变形资料,研究了锦屏一级大坝变形性态的变化规律,解决了常规统计模型仅从时序上考察单点变形性态的不足。结果表明：模型可准确感知反馈坝体变形响应的时空特征,良好的拟合精度与外延性确保了建模的正确性。此外,模型具有控制异质性的特点,可精准评价各分量对坝体特征区域的影响,弥补了常规模型的不足;模型还具备降低多重因子共线性、抗差性等优良性质,为大坝安全在线监控提供了理论依据和技术支持。