大华桥水电站导流洞多点位移计施工与监测

介绍了大华桥水电站导流洞多点位移计的安装工艺与监测数据的采集分析.多点位移计重点监测地下洞室及高边坡围岩的内部位移变化,采集的数据为工程衬砌支护提供参考,同时也为工程的施工与运行安全提供理论分析依据,因此,掌握多点位移计的基本施工技术及数据采集、分析原理,对水利水电工程施工、运行安全有着极其重要的意义.     

大型地下洞室塑性松动区围岩变形破坏特征及测试估算方法研究

塑性松动区的形成与扩展是地下工程围岩稳定的关注热点。结合弹塑性理论、工程物探和监测资料，探讨了大型地下洞室塑性区围岩的应力状态和变形破坏特征，并提出了基于多点位移计监测结果的塑性松动区估算方法。研究结果表明，多点位移计变形量沿孔深的分布主要累积于塑性区，可应用孔深-位移曲线估算围岩塑性松动区界限点的深度及位移量，估算结果与弹塑性理论计算结果基本一致，说明本研究具有一定的参考价值。     

溪洛渡水电站左岸地下厂房安全监测资料分析

通过对溪洛渡水电站左岸主厂房安全监测仪器的布置、实施情况的介绍,对已获取的观测成果进行分析,对厂房围岩目前的稳定状态给予了评价.从左岸主厂房多点位移计和锚杆应力计监测数据总体看来,目前顶拱多点位移计各测点相对位移变化很小,呈收敛状态.上、下游侧墙除个别监测仪器受开挖影响应力和位移持续增长外,绝大部分监测仪器监测数据变化平缓,多点位移计监测成果显示拱脚及侧墙围岩向洞室位移速率有所减缓,并有少量回弹.     

H-B准则在隧道围岩力学参数确定中的应用

将[BQ]值引入Hoek-Brown强度准则,以改进后的Hoek-Brown强度准则确定公路隧道围岩力学参数。以中条山隧道为例,通过对比中条山隧道围岩力学参数的试验值、改进公式的计算值、相关规范的建议值,对提出的计算公式进行验证,并在此基础上对隧道结构进行有限元计算。结果表明:改进后的Hoek-Brown强度准则用于隧道围岩力学参数计算时,其计算值比试验值小,更能反映隧道围岩的真实力学状态;隧道轴力、剪力及弯矩分布均符合隧道结构的受力规律。     

水利隧道监控量测技术研究

监控量测技术是保证水利隧道安全施工的重要措施。国外TANFINIT水利隧道施工作业面小,围岩种类多,严重制约了隧道开挖施工。本文结合国外TANFINIT水利隧道工程,详细分析了监控量测技术在隧道的开挖期间的应用,对开挖期间的隧道的水平位移和沉降进行动态监测,通过理论分析、现场试验与回归分析相结合的方法对监测数据进行拟合,推算围岩的变形量及力学变化,成功对围岩和支护在施工过程中的力学动态及稳定程度进行了预测,保证了施工安全。     

大朝山工程尾水调压室围岩稳定分析

本文主要通过对埋设在大朝山工程尾水调压室围岩内的多点位移计和锚杆应力计的原位监测资料进行分析，进而分析整个尾水调压室的洞室围岩稳定情况。     

控制型结构面几何参数对隧道围岩稳定性的控制效应——以郑万高铁向家湾隧道为例

隧道围岩变形破坏与岩石强度、结构面特征、地下水和地应力等因素关系密切,其中控制性结构面的几何参数(间距和倾角)影响着隧道围岩的宏观完整性和开挖后的应力分布,进而控制着围岩塑性变形和结构面剪切滑移。为研究结构面几何参数对隧道围岩稳定性的控制效应,以郑万高铁向家湾隧道为例,在区域地质环境调查、隧道掌子面地质素描和岩石物理力学参数测定的基础上,使用UDEC离散元软件分析了不同几何参数结构面的隧道围岩变形破坏特征。研究表明隧道结构面间距和倾角对围岩变形破坏影响显著,当结构面间距＞1/10洞直径,倾角位于0°~30°范围内时,隧道施工过程中围岩稳定性相对较好。本研究对类似隧道安全施工具有实践指导意义。     

杨房沟水电站地下厂房顶层围岩松弛圈分析与预测

水电站地下厂房开挖过程中控制围岩松弛圈深度,保证围岩稳定,对工程安全有重大意义。我们利用多点位移计和声波法对杨房沟水电站地下洞室围岩松弛圈进行了测试,并根据实测成果对地下厂房洞室群围岩松弛损伤区进行了数值仿真分析,并基于校准后的模型对洞室顶拱和边墙围岩损伤破裂特征进行了分析预测。     

硬塑粉质黏土层深埋马蹄形隧道开挖土拱演化分析

硬塑状粉质黏土地层深埋马蹄形隧道开挖易出现土拱效应.以改进的太沙基围岩压力理论为基础,对上述马蹄形隧道开展了数值计算和现场监测试验,分析隧道开挖全过程中围岩竖向应力重分布及地层沉降变化情况,得出压力拱的形成及演化规律,并分析围岩力学参数大小变化对压力拱形态的影响.研究结果表明:压力拱内围岩应力及地层沉降变化显著,可作为...     

CDJ—Ⅱ型杆式钻孔多点位移计在二滩水电站前期工程中的应用

在二滩水电站隧道和高边坡开挖前期工程中,应用CDJ-Ⅱ型杆式钻孔多点位移计,量测了岩体位移。该仪器结构新颖,整体结构达到国内领先水平,油压锚头内有国际先进水平,在二滩水电站的公路隧洞、进厂交通洞、导流洞进出口边坡、500kV开关站边坡及尾水渠边坡等处,按工程设计并结合具体的地质条件,安装了CDJ-Ⅱ型杆式多点位移计100多个测点,取得了大量有价值的资料,为改进设计施工提供了科学依据。     

人工神经网络在引水隧洞变形监测中的应用

针对引水隧洞围岩变形受地质、施工等因素综合影响的特点，引入人工神经网络理论，建立了隧洞收敛测值终值预测的BP网络模型。该模型将隧洞围岩的5个物性参数容重、弹性模量、泊松比、粘结力、内摩擦角作为BP网络的输入向量，将最终收敛位移作为网络输出向量。应用Matlab进行BP网络设计和程序编制。实例分析表明，利用所建立的BP网络模型进行围岩收敛变形预测。结果合理可行。     

基于扭矩贯入指标和神经网络的围岩质量预判方法

全断面岩石掘进机(TBM)的地质适应性较差,当遭遇不良地质条件或者围岩质量较差时,容易引发卡机、塌方等地质灾害,影响施工进度,威胁人员安全。基于此,首先通过TBM数据预处理,将原始数据分割为完整的掘进段,其次以掘进段为单位计算扭矩贯入指标(TPI),基于时间序列法和神经网络在掘进开始前对围岩质量进行预测,基于TPI的基尼不纯度,在掘进上升段对围岩质量进行判断。结果表明：TPI能够较好地反映围岩地质条件,基于时间序列法和神经网络能够较为准确地对TPI进行预测,通过TPI的基尼不纯度能够较好地对围岩质量进行判断。     

基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

在隧道工程施工中,围岩位移预测起着很重要的作用。将BP神经网络-马尔科夫链模型引入到隧道围岩位移预测中来,通过对训练样本的学习,利用BP神经网络实现了对位移时间序列的滚动预测,同时得到了实测值与预测值的相对误差;在此基础上利用马尔科夫链对相对误差进行修正,有效地提高了预测结果的精度。并将该模型应用于某公路隧道拱顶下沉位移时序预测中,结果表明该模型具有精度高、科学可靠的特点,为隧道围岩变形的预测提供了新的途径。     

软岩三维粘弹塑性参数辨识研究

以某水电站地下厂房区软岩部位试验洞监测资料为基础,运用基于均匀设计一遗传算法一神经网络的人工智能反演分析方法,在考虑了仪器埋设滞后的位移损失的情况下,对岩体在宏观结构条件下的流变参数进行三维粘弹塑性位移反分析,得到了岩体的流变参数并进行了位移预测.与监测成果进行了对比分析.结果表明:预测围岩流变位移、速率与监测结果比较接近,规律性较好,说明辨识效果较好.     

基于粒子群优化BP神经网络的隧道围岩位移反演分析

针对无锡惠山隧道岩体破碎、围岩稳定性差等特点,基于长期现场监测变形位移数据,借助粒子群算法的参数优化功能,利用Matlab神经网络工具箱编制了优化PSO—BP隧道位移反分析系统。PSO—BP系统利用正交试验设计和有限元方法获得学习样本,再通过粒子群算法搜索最优的神经网络模型参数。用BP神经网络模型建立待反参数与实测位移之间的非线性映射关系,最后用粒子群算法从全局空间上搜索最优反演参数。克服了普通智能优化算法收敛速度慢、正分析计算量大等缺陷,具有全局优化特性。将模型应用于惠山隧道Ⅳ级围岩断面ZK6+485的反分析中,计算结果与实测值对比表明采用PSO—BP预测模型进行隧道位移预测是可行的。     

BP神经网络在隧道围岩力学参数反演中的应用

以谷城至竹溪高速公路珠藏洞隧道施工监测为工程依托,根据现场变形监测数据的指数函数回归方程,对最终变形量进行了预测,并基于其预测值,借助BP神经网络的超强非线性映射能力,对隧道围岩力学参数（变形模量E、黏聚力C、内摩擦角φ）进行反演,以及时掌握开挖围岩类型和材料特性参数,为隧道工程施工和设计提供参数依据,从而达到安全施工和优化设计的目的,以实现隧道的信息化施工与设计。     

流激振动系统的神经网络辨识和预报

本文根据人工神经网络的系统辨识理论，充分发挥神经网络的强大学习功能和记忆联想功能，建立了动态系统的计算机仿真模型，对非线性动态系统和水工结构振动系统进行计算机仿真，仿真结果与理论计算值具有良好的一致性；建立流激振动系统的智能分析和预报模型，辨识高拱坝泄流激振等效荷载谱，预报乌江渡导墙结构在高速水流作用下的振动响应，取得了较为满意的结果。这项研究充分说明了人工神经网络技术在土木水利工程领域的应用价值和深远意义     

选择显著因子的BP神经网络模型研究

为了更加准确有效地分析大坝安全监测资料,保证大坝的安全、有效运行,分析了神经网络和回归分析的优缺点,提出了选择显著因子的BP神经网络模型分析方法。实例分析结果表明:神经网络和回归分析具有较强的互补性,为了保证资料分析的可靠性,可同时运用这两种方法;选择显著因子的BP神经网络分析方法避免了因子之间的相关性导致预测精度不高的缺点,减小了神经网络过度训练的几率,在保持神经网络拟合精度的同时又具有较高的预测数度。     

基于互信息与神经网络的天山西部山区融雪径流中长期水文预报

为提高天山西部山区融雪径流的预报精度,更好地指导所在区域的工农业生产发展,针对影响预报精度的关键问题(预报因子的选择),基于互信息法、相关系数法、主成分分析法对研究区的预报因子进行优选,采用RBF神经网络以及组合小波BP神经网络模型进行径流预报研究,并进行不同方案的比较。结果表明:①互信息法优选出的预报因子作为模型输入可以提高预报精度;②采用不同优选预报因子作为RBF神经网络以及组合小波BP神经网络模型的输入变量,结果表明RBF神经网络模型的预测精度要好于组合小波BP神经网络模型;③以相对误差作为评价模型精确度的标准,预测效果最好的是基于互信息方法挑选出的预报因子作为RBF神经模型输入数据的模型预测结果。     

基于主成分分析的GA-BP模型在城市需水预测中的应用研究

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。