基于动态聚类法的拱坝变形监控模型研究

拱坝变形的影响因素包括荷载、坝体结构、地形地质条件、材料物理力学性质等,各影响因素之间相互影响,且各影响因素之间的关系及影响因素同拱坝变形之间的关系具有模糊性。应用模糊数学理论,研究并分析了拱坝变形及影响因素间的模糊关系,在此基础上,建立了基于动态聚类法的拱坝变形监控模型。以某拱坝为例,将所建立的拱坝变形监控模型应用于该拱坝的变形监控分析中,结果表明所建的模型有着较高的预测精度。     

基于SSA-LSTM的混凝土拱坝变形预测模型

由于混凝土拱坝在变形过程中有明显的非线性特点,因此参数过多和陷入局部最优的问题是大坝变形预测模型过程中较为常见的问题。通过将麻雀搜索算法(SSA)引入长短期记忆神经网络(LSTM)中,进行超参数优化,建立了SSA-LSTM模型进行混凝土拱坝变形预测模型。以某拱坝多个测点的实测径向位移数据为例,将水压、温度和时效作为输入,坝体径向位移作为输出,使用SSA-LSTM模型与传统的变形预测模型BP神经网络、极限学习机(ELM)和支持向量机(SVM)分别进行回归预测,结果表明SSA-LSTM模型具有较强的预测能力,可用于大坝安全的预警预报。     

基于原型监测资料的特高拱坝变形实时风险率模型

混凝土坝风险率分析模型通常基于结构极限状态功能函数对单个监测点一维时间序列建模,未考虑变形监测点之间的相关性及多重共线性问题.基于原型监测资料,考虑各分区所有测点的相关性及不同分区变形之间的协同性,引入面板数据理论对特高拱坝监测点进行聚类分区,在拟定单测点风险率函数的基础上,提出计算特高拱坝变形分区单测点实时风险率的方...     

基于APSO和TWSVM的特高拱坝变形预测模型

为挖掘混凝土大坝变形监测数据与各影响因素之间复杂的非线性关系,提高特高拱坝变形预测精度,在孪生支持向量机(TWSVM)模型基础上,引入位置因子与速度因子,运用自适应粒子群优化(APSO)算法进行参数优化,构建了特高拱坝变形的APSO-TWSVM预测模型。实例验证结果表明,该模型可有效挖掘拱坝变形与影响因子间复杂的非线性关系,模型运算速度和精度均比传统SVM模型有明显提升。     

基于库盘变形的高混凝土拱坝变形分析方法研究

在常规混凝土高拱坝变形性态研究中,对远坝区库盘变形影响考虑不足,导致坝体变形计算结果与监测数值存在差异。通过建立大范围的库盘有限元模型,在研究合理建模范围的基础上,提出了库盘变形作用对坝体变形性态影响的分析方法。以某高混凝土双曲拱坝河床坝段为研究对象,联合库盘有限元模型和近坝区有限元模型模拟了库盘变形对坝体变形的影响。研究结果表明：当库区基岩岩性较差时,高坝大库工程的库盘变形对坝体变形影响明显,而且考虑库盘变形作用而得到的坝体变形值更接近实测资料。     

高拱坝短期变形和应力预测预警方法及工程应用

针对高拱坝预测预警能力不足的问题,提出了短时间内基于监测数据和全坝全过程仿真的混合预测模型。在此基础上建立了包含坝体变形和关键部位应力的预警指标体系,能够明确给出各部位变形和应力预警阈值。在小湾拱坝初次蓄水期中的应用结果表明:变形和应力预警指标的阈值设置比较合理,能够对异常情况给出警报,实用且合理有效。研究成果为高拱坝安全运行提供了有效的预测和预警思路。     

拱坝变形监测预报的随机森林模型及应用

大坝变形预报对大坝运行安全评估起着至关重要的作用。传统模型预报精度不够、模拟效果不稳定;若大坝变形数据有异常值时,传统机器算法模型识别和处理异常值的灵活性很小,导致预报结果有偏差。为了解决这些问题,首次将随机森林算法运用到大坝变形监测领域,将大坝测点根据随机森林相似性矩阵分成若干个子集,针对每一个子集建立随机森林预测模型,分区建立预测模型更符合工程实际情况。选取拱坝变形作为研究对象,验证所建模型的适用性。结果表明,根据随机森林的相似性矩阵对大坝各测点的分区情况符合物理和工程实际意义,对各分区子集测点利用随机森林模型建立的预测模型,与支持向量机、BP神经网络模型相比,预测结果精度较高、模型稳定性好,为大坝变形监测提供了新思路。     

基于面板数据分析方法的混凝土拱坝变形数据时空聚类模型

变形数据可以直接表征混凝土拱坝安全状况,但传统变形分析一般仅针对单个监测点,不同监测点之间变形的相似和关联性质仍有待挖掘.基于时空数据挖掘领域的聚类方法,分析混凝土拱坝变形序列的变化过程,提取变形序列的相似性特征;提出混凝土拱坝变形数据不同时间截面、不同测点变形序列的绝对距离、增量距离、增速距离3种相似性指标及相应的综...     

基于混合注意力机制和深度学习的大坝变形预测模型

为深度挖掘时序数据中前后信息的动态相关性,探究大坝变形的内在影响机理,有效提高模型预测精度,构建了一种基于混合注意力机制与鲸鱼优化算法(WOA)的双向门控循环网络(BiGRU)预测模型。模型利用WOA对BiGRU进行超参数寻优以有效挖掘变形数据在时间维度的深层信息,并引入融合特征注意力(FATT)和时间注意力(TATT)的混合注意力机制计算各影响因子的贡献率,使模型可视化并提高模型捕捉环境因素动态变化的能力。以某高拱坝为例,将该模型预测结果与多种常用模型预测结果进行对比分析,结果表明该模型预测精度显著提升,贡献率计算符合大坝变形研究成果,验证了模型在大坝变形预测中的优越性与合理性。     

基于分位数回归的升船机变形监控模型构建方法

为深入分析升船机变形影响因素,提出了一种基于分位数回归的升船机变形监控模型构建方法。该方法根据升船机的结构特点,将温度、前期上游水位均值等因素引入候选影响因子集,采用自适应弹性网络分位数回归对影响因子进行筛选,建立各分位数下的回归模型,并根据拟合的良好性和检验的有效性原则选出最优的升船机变形监控模型。实例验证结果表明：相对于常规的逐步回归模型,本文方法构建的最优模型的预测精度波动性小,具有较强的稳定性,同时具有良好的长期预测能力。     

特高拱坝一级变形预报控制值 建立的方法研究

特高拱坝与一般高拱坝相比,其结构性态更加复杂,因此,其变形安全预报控制值必须进行 专门的研究。文中探讨了特高拱坝的定义与特点,分析了特高拱坝的变形特性,提出了特高拱坝一级 变形预报控制值建立的准则与方法。工程案例表明,该方法切实可行。     

高应力对拱坝无应力计测值的影响分析

通过对特高拱坝无应力计原型观测资料的分析,介绍了无应力计出现有应力状态的变化过程,分析了可能产生这种异常现象的原因。并分析计算了无应力计筒内混凝土的垂直应力,初步探讨了高应力对无应力计测值的影响。     

一种空间误差模型在混凝土拱坝变形预测中的应用

混凝土拱坝作为一种高次超静定结构,具有较强的自适应性和整体性,但传统混凝土拱坝变形统计模型主要考察单个测点的变形序列,不能体现不同测点之间的相互作用。基于传统混凝土拱坝变形统计模型,用空间计量方法挖掘了拱坝不同测点同一时刻误差项空间面板数据的空间关联特性;进一步采用空间面板自回归模型拟合变形序列误差项面板数据,建立了混凝土拱坝变形预测空间误差模型。小湾拱坝坝体34个监测点水平向变形监测序列分析结果表明:误差面板数据之间存在很强的正空间关联性质,空间误差模型的预测效果优于传统统计模型,具有一定应用前景。     

高拱坝浇筑后河床坝基综合变形模量取值研究

在高拱坝整个施工周期中,坝基岩体经历了开挖、卸荷、固结灌浆、大坝浇筑、加载等过程,其工程特性也必然发生相应变化。高拱坝浇筑完成后,坝基岩体综合变形模量是大坝安全评价、反馈分析等相关研究的重要参数,但该参数往往无法通过现场试验获得。针对这一问题,以溪洛渡水电站高拱坝为例,在坝基岩体地质条件、变形试验资料、钻孔弹模以及坝基岩体变形模量E0和纵波波速Vp相关关系综合研究的基础上,提出了适用于高拱坝施工完成后坝基综合变形模量取值的思路与方法。采用该方法研究得出溪洛渡高拱坝施工完成后河床坝基综合变形模量为11~14 MPa。基于该参数进行三维数值模拟得到坝基岩体的变形值与监测成果基本一致,说明这种取值思路与方法是合适的。     

基于KPCA-ICFSFDP-MOGP的拱坝多测点变形数据预处理及预测方法

为更高效地对高拱坝的多测点变形数据进行分析,引入了核主成分分析(KPCA)算法重构误差以识别多测点序列中的异常值;为解决用于测点聚类的密度峰值聚类(CFSFDP)算法高维表现较差的问题,利用KPCA算法对其进行降维操作,并提出了自动选取聚类中心与截断距离的改进CFSFDP(ICFSFDP)算法;基于KPCA-ICFSFDP和多输出高斯过程(MOGP)算法,按分区建立了多测点变形MOGP回归模型。实例验证结果表明,对于簇内点数量较少的类,相较于不分区的MOGP模型,预测效果得到了一定的提升,同时在整体MOGP模型表现良好的测点,分区后仍然保持较高的预测精度,且与单输出高斯过程模型对比均有所提升。     

坝基加固后锦屏一级高拱坝应力变形计算分析

锦屏一级高拱坝坝址地质条件复杂,其基础加固处理工程巨大,主要包括:左岸混凝土垫座置换、左岸传力硐、左岸f5、f8、煌斑岩脉混凝土网格置换,右岸f13、f14断层混凝土网格置换.文中采用非线性有限元分析方法,对坝基加固后锦屏一级水电站坝体在多种工况下的应力变形特性进行了计算分析.给出了坝体蓄水期的应力位移分布及超载、降强对位移的影响结果,表明蓄水期坝体总体变形规律比加固前明显改善,坝踵拉应力减小.加固后坝体与坝基安全储备能力提高,可以满足设计要求.