凤滩大坝变形特性及安全裕度研究

针对凤滩大坝的具体情况,结合位移原型观测资料的分析结果,分别采用统计模型法、混合模型法分析凤滩大坝坝顶水平位移变化规律,在此基础上运用置信区间估计法和典型小概率法拟定凤滩大坝坝顶水平位移的安全监控指标,并基于变形监控指标提出评价大坝变形安全裕度的方法.     

大朝山水电站大坝安全监测自动化系统简介

大朝山水电站大坝安全监测自动化系统观测项目齐全，技术先进，尤其是采用四套真空激光准直对坝顶、853m、832m高程廓道和水平及垂直位移进行监测，文章着重介绍大坝监测系统的布置，监测项目及监测系统网络结构和功能特点。     

古田溪四级大坝垂直位移的突变值解析

在定性分析古田溪四级大坝垂直位移观测资料的基础上，运用改进的统 计模型对其进行分析,以模拟大坝各坝段垂直位移观测资料中出现的两次突变现象。同时， 采用典型坝段的混合模型进行校核，解析出古田溪四级大坝垂直位移产生突变的原因。     

大朝山大坝温度监测资料分析

根据大朝山大坝的实测资料,通过分析气温、库水温度、坝体温度和基岩温度的影响因素及其变化规律,并结合坝温特性分析,了解了大坝混凝土的实际温度状态,为大朝山大坝安全监测提供了有益的依据。     

白石水库大坝安全监测数据分析与预测

季节性和趋势性时间序列为水库大坝安全检测数据的典型特征,将非平稳时间序列数据利用ARIMA模型准确预测。文章采用差分法平稳化处理非平稳时间序列,并对模型利用偏自相关和自相关函数识别,从而获取多个初选模型,通过对模型参数的估计确定最终模型,依据贝叶斯信息准则拟合和预测了检测数据。以白石水库大坝为例,运用最终模型计算分析一组安全监测数据,在此基础上对比分析实际位移数据与模型拟合预测数据。研究表明:对于短期安全监测数据的分析和预测ARIMA模型具有较强可行性和较高精度,可为水库大坝安全运行和科学管理提供数据支撑。     

黄坛口重力坝12号坝段水平位移监控指标拟定

根据黄坛口混凝土重力坝12号坝段水平位移观测资料,建立了水平位移混合模型,并以该模型为基础,采用典型小概率法拟定了该坝段水平位移监控指标,为监控大坝安全运行提供了重要依据。     

基于ACO-BP神经网络的土石坝位移监测模型研究

建立安全监测网络模型来分析和预测大坝变形位移信息,对保障大坝安全稳定服役意义重大。针对大坝安全监测BP神经网络模型运算复杂、收敛速度慢、易陷于局部最优、不能准确反映和预测大坝运行状况的问题,引入蚁群算法(ACO)全局搜索功能搜寻BP神经网络参数最优解,并通过样本数据训练BP网络获得大坝变形位移预测值。工程实例应用表明:ACO-BP网络模型在参数优化方面较BP网络更易于收敛,误差较小、预测性能良好,可为大坝变形位移监测和安全预报提供一种新的非线性建模仿真分析方法。     

纪村大坝坝顶垂直位移监测资料分析

根据水工建筑物安全监控理论,运用逐步回归分析方法建立了纪村大坝坝顶垂直位移的统计模型,对监测资料进行了定性和定量分析,揭示了该电站坝顶垂直位移的变化规律,并利用统计模型提取了典型年份水压分量、温度分量和时效分量在大坝垂直位移中所占的比例,为分析大坝的运行状态提供了依据.     

基于主成分回归的大坝位移模型

位移监测是大坝安全运行过程中一项重要的工作。在建立大坝位移预报模型的过程中,常会出现影响因子之间存在严重相关性的情况,会影响模型系数的稳定性,采用主成分回归分析的方法可以很好地解决这个问题。在简述主成分回归分析原理的基础上,结合工程实测数据,建立了坝体位移量与相关因子的主成分回归模型和逐步回归模型,并对两者进行比较,取得了良好的效果。     

基于POT模型的大坝位移预警指标实时估计

大坝服役过程中,对其预警指标进行实时估计具有重要意义。基于极值理论,针对大坝位移历史监测序列,拟定合理的阈值,利用广义帕累托分布(GPD)对超阈值序列进行刻画,结合大坝失事概率,建立位移预警指标估计超阈值(POT)模型。通过实时更新建模序列,完成对位移预警指标的实时估计。针对某混凝土重力拱坝29号坝段某测点在典型时间段2007年~2009年、2007年~2010年和2007年~2011年的位移监测数据,利用POT和传统区间极值(BMM)模型分别完成对2010年、2011年和2012年位移预警指标的估计,验证了POT模型比传统区间极值(BMM)模型更加安全合理。     

白莲崖水库大坝变形监测指标拟定研究

本文采用典型小概率法原理对大坝的水平位移和垂直位移的监控指标进行拟定,根据已经监测到的大坝和坝基抵御经历荷载的能力数值,预测今后可能抵御荷载的能力,从而推测确定该荷载组合情况下,大坝监测效应量的警戒值和极值。由于大坝和坝基抵御荷载的能力在不断变化,因此精准拟定安全指标比较复杂,但可以给大坝的安全运行提供参考数值。     

青铜峡大坝原型观测资料分析

根据青铜峡大坝原型观测资料，应用三维有限元方法对坝体结构进行了分析计算，采用多种监控模型和分析方法，综合考虑多种影响因素，对大坝变形成因进行了分析。在此基础上，拟定大坝水平位移监控指标，并对大坝进行了综合分析和安全评价，为大坝运行管理提供了依据。     

隔河岩电站进水闸位移的前馈网络预测模型

通过对清江隔河岩水电站进水闸的位移监测资料的分析，发现进水闸顶的位称过程线呈多峰型曲线，应用常规统计模型所建立的预测模型其精度不够理想，在对大坝安全监测资料进行物理推断分析的基础上，针对水电站进水闸顶位移建立了基于前馈人工神经网络模型的预测模型，对闸顶视准线的位移量的前馈人工神经网络模型预测研究表明，其精度较高，通过进一步的研究后可望推广到大坝安全监测实际中去。     

青铜峡大坝原型观测资源分析

根据青铜峡大坝原型观测资料，应用三维有限元方法对坝体结构进行了分析计算，采用多采监控模型和分析方法，综合考虑多种影响因素，对大坝变形成因进行了分析，在此基础上，拟定大坝水平位移监控指标，并对大坝进行了综合分析和安全评价，为大坝运行管理提供了依据。     

拱坝空间位移场安全监控模型应用研究

根据拱坝的结构特点，结合某拱坝实测资料，深入分析了坝体垂线径向位移的时空变化规律，在常规统计模型的基础上，建立了坝体径向空间位移场，以从时空角度量化分析坝体的变形性态，并实现大坝的实时监控，确保大坝的安全运行。     

大朝山水电站初次蓄水期大坝变形性态分析

云南大朝山水电站初次蓄水期，库水位上升速度较快，水压力对大坝结构影响十分显著，大坝性态与正常运行期存在明显差异。由于自动化观测系统及时投入使用，较完整地反映了坝体及基岩的变形过程，证明了它们在水压力作用下呈现出良好的弹性工作状态。文中介绍了大朝山水电站初次蓄水期大坝变形观测设置、变形分析以及库水压力的实测成果，为从事水工设计及大坝安全监测人员提供了第一手资料。     

大朝山水电站安全监测自动化系统工程设计

大朝山水电站位于云南省云县澜沧江中下游河段,是澜沧江梯级规划中紧接漫湾水电站的下一个梯级电站。枢纽主要建筑物由碾压混凝土重力坝、压力引水隧洞、地下厂房、主变室、尾水调压室及长尾水隧洞等组成。碾压混凝土重力坝为全断面碾压,最大坝高111 m,坝顶长460.39 m,坝轴线为折线,坝顶高程906 m。 按照《混凝土大坝安全监测技术规范》的要求,大朝山水电站坝体水平、垂直位移监测设计由LA1,LA2两套真空激光准直自动化系统分别测量右岸机组进水口坝段和左岸河床坝段的水平与垂直位移。系统端点垂直位移由LS1静力水准系统校准,在左岸灌浆排水隧洞内设置一套双金属管标为静力水准系统提供垂直     

丰满大坝水平位移安全监控指标的拟定

在对丰满大坝结构力学特性及位移观测资料进行研究的基础上,采用典型小概率法和混合分析法拟定了典型坝段水平位移的监控指标。两种方法拟定的丰满大坝水平位移监控指标较为接近,其中典型小概率法拟定的指标略小于混合分析法,通过两种方法的比较,并综合考虑其他影响因素,认为混合分析法的计算结果较为合理。     

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。     

隔河岩大坝拱冠梁位移与环境量关系的分析

清江隔河岩水电站自1993年蓄水发电至今已运行近20年,各项性态趋于稳定.根据清江隔河岩大坝近年来的大坝安全监测资料,主要针对拱冠梁15号坝段的位移,在基于物理推断分析的基础上,采用统计模型和反向传播(BP)神经网络模型进行了分析与研究.通过对2种模型分析的结果进行比较,应用BP神经网络模型进行分析具有更高的拟合精度和预测精度.分析结果表明:隔河岩大坝拱冠梁径向位移与上游水位呈正相关,与气温呈显著的负相关;拱冠梁切向位移与上游水位和气温无明显的关系,且径向位移非常小,拱冠基本呈对称状态,符合拱坝变形规律.