基于LWOA和MKSVM算法的帷幕灌浆施工质量模糊综合动态评价研究

为了实现施工过程中灌浆质量的动态评价,需要解决由于灌浆孔与检查孔并非一一对应造成的灌浆施工参数与灌浆质量评价指标数据间难以匹配、由于传统事后破坏性试验检测导致的灌浆质量评价指标难以动态获取以及灌浆施工质量难以动态评价的问题。因此,本研究提出基于Lévy飞行改进的鲸鱼优化算法(whale optimization algorithm improved by Lévy flight, LWOA)和混合核支持向量机(mixed kernel function support vector machine, MKSVM)的帷幕灌浆施工质量模糊综合动态评价方法。首先,基于分形理论和改进反距离加权平均方法求解了检查孔处灌浆等效施工参数,进而实现了施工参数与评价指标数据间相互匹配,建立了用于训练模型的数据集。其次,结合LWOA具有参数少、收敛速度快的特点以及混合核能够兼顾局部学习和全局泛化的优势,基于LWOA和MKSVM算法实现了灌后透水率、二次渗透指数、裂隙填充率、岩石质量等级和声波波速等评价指标的高精度动态求解。再次,采用模糊综合评价方法对帷幕灌浆施工质量进行模糊综合动态评价分析。最后,以某水电站坝基帷幕灌浆施工质量模糊综合动态评价分析为例,验证了本方法具有高精度和动态性的特性。     

基于增强现实的灌浆协同决策可视化研究北大核心CSCD

灌浆工程具有隐蔽性、专业性等特点,为提升灌浆质量,需要采用会商等手段进行灌浆协同决策。然而当前会商采用二维图纸或三维虚拟场景进行协同分析,缺乏物体纵深距离的真实空间维度,存在沉浸式交互不佳且决策信息共享不及时等问题。针对上述问题,本文提出基于增强现实的灌浆协同决策可视化方法,基于灌浆三维信息模型,以视觉惯性里程计技术为基础,实现虚拟模型与真实场景的融合与沉浸式交互分析;采用基于云端通信的状态同步法、锚点转移法和Vuforia增强图像识别技术,实现灌浆协同决策信息的三维沉浸式可视化共享。工程实例分析结果表明,本文提出的方法能够实现灌浆决策信息的沉浸式交互查询与跨区域协同决策,为灌浆过程控制提供了新思路。     

基于CEEMDAN-Transformer的灌浆流量混合预测模型

灌浆流量是最重要的水利工程灌浆参数之一,通过对灌浆流量的有效预测,可以实现对异常工况的提前响应,以保障施工质量与工程安全。然而由于灌浆过程面临的复杂地质情况,灌浆流量数据存在强非线性与波动性的特点,难以获得令人满意的计算精度。现有灌浆流量预测存在的不足如下:传统神经网络模型对时间序列特征提取和加工处理不足,导致预测精度有限;传统神经网络模型测试集进行一次计算仅能输出一个结果,进行多个时间步预测需要繁杂的多次计算;单测点预测结果预测时间短并且无法反映灌浆流量序列变化的整体趋势,不利于控制灌浆流量和保障施工质量。针对上述问题,本研究提出基于CEEMDAN-Transformer的灌浆流量混合预测模型。基于完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法将灌浆流量分解为本征模函数与残差信号,解决灌浆流量数据的非线性与强波动的问题;采用多头注意力Transformer实现多个本征模函数(Intrinsic Mode Function,IMF)序列到序列的预测,采用多头注意力机制来构建输入和输出的全局依赖关系,提升时间序列参数特征提取水平;最后,建立时序测点多输入多输出模型实现灌浆流量预测,提升多输出序列计算效率,反映整体趋势的多输出序列能够为灌浆流量控制提供参考。工程应用结果表明,本研究提出的基于CEEMDAN-Transformer的灌浆流量混合预测模型具有较好的计算精度和计算效率。     

基于施工全过程参数的堆石坝掺砾土心墙压实质量实时评价

料源参数和施工参数是影响掺砾土心墙压实质量的重要因素。针对当前研究中料源参数被局限于掺砾土,且施工参数考虑不全面,缺乏掺拌参数,不能客观实时评价仓面压实质量的问题,提出了一种基于双向极限学习机(Bidirectional extreme learning machine, B-ELM)算法,综合考虑施工全过程参数的掺砾土心墙压实质量实时评价模型。研究模型将掺砾土心墙碾压填筑施工过程中土料参数、石料参数等料源参数,掺拌参数、碾压参数等施工参数和气象参数作为模型的输入参数,采用B-ELM算法构建压实质量实时评价模型,将该模型嵌入堆石坝碾压施工质量实时监控系统中,可以实现压实质量的实时评价。结合西南某在建的掺砾土心墙堆石坝,采用本文提出的压实质量实时评价模型,实现了对碾压施工单元压实质量的实时评价。此外,将该模型与基于掺砾土料源参数的压实质量评价模型进行对比,结果表明,二者在精度上具有一致性,该模型在鲁棒性上具有优越性,并且可以实现压实质量的实时评价;与现场实测压实度比较分析,该模型对压实度评价更为准确和稳定。研究成果可为碾压堆石坝施工技术和设计工作提供参考。     

沁水盆地南部煤层气井抽油机偏磨防治分析

在沁水南部盆地的煤层气开发中,出现了井口不正、采气树歪斜、抽油机杆管偏磨等问题,严重影响了该区块的气井生产。通过分析研究和实践总结,提出了针对性的防治方案:通过采用"直-增-稳"三段制井身结构、优化扶正器、筛管尾管组合等一系列措施有效减缓了抽油机的偏磨,减小了生产成本,促进了煤层气的科学开发。     

智能电能表快速脉冲群抗扰度试验粗大误差结果分析及改进措施

对智能电能表快速脉冲群抗扰度试验中出现的粗大误差结果影响因素进行不确定度评定,分析输出信号源的稳定性。在此基础上,根据试验检测依据和试验要求,分析造成试验粗大误差现象的干扰路径,并提出在光电脉冲线路、电源线及网线上缠绕磁环的措施,保证电能表与检定装置有效隔离,确保智能电能表快速脉冲群试验结果准确、可靠。采用改进措施后,快速脉冲群试验结果不再出现粗大误差,改进效果良好。     

考虑热损失的稠油热采干扰试井模型

蒸汽驱是稠油油藏的主要开采方法.在考虑热损失的基础上提出了两区复合油藏干扰试井模型,并求出该问题的Laplace空间解,利用数值反演,得到了试井分析的样板曲线,同时对样板曲线进行了敏感性分析.这对稠油油藏的开发提供了可靠的依据.     

高亏格坝基地质体Kmeans-ERT自动建模研究

高亏格地质体是多处镂空的复杂地质构造,如坝基的互层、破碎带等。基于地层面的地质建模方法在处理高亏格地质体时存在自动化程度低、主观误差较大等缺点;基于体元的建模方法虽然可以实现自动化,但存在数据冗余的不足,且难以适应水利水电工程钻孔数据分布不均、地质体局部突变等特点。针对上述问题,提出一种基于栅格体元的高亏格坝基地质体K均值-极端随机树（Kmeans-ERT）自动建模算法。首先,针对高亏格地质体的随机性和突变性,采用鲁棒性较强的极端随机树算法构建分类模型;其次,采用K-means算法对地层样本进行聚类,根据聚类结果动态调整分裂阈值;最后,提出边缘检测算法识别模型边界,进而隐藏内部体元,实现模型轻量化。工程应用表明,所提出模型可以实现坝基高亏格地质体的自动建模,平均准确率相较支持向量分类（SVC）、K近邻算法（KNN）、随机森林、深度森林和BP神经网络分别提高17.4%、19.1%、4.7%、6.5%和17.1%,模型内存缩减率达69.3%;与人工建模方法和其余自动建模算法相比,所提出模型在精度和效率上具有优势。     

高拱坝施工仿真参数EMD-P-ILSTM动态更新模型研究

施工仿真参数更新是确保建设期施工进度仿真准确性的关键。但现有的参数更新方法难以对参数局部非线性和波动性变化特征进行学习和提取,更新精度有待进一步提高。为此,本文利用深度学习模型能够深度挖掘参数序列隐含信息的优势,采用分解-预测-集成的建模新思路,提出高拱坝施工仿真参数EMD-P-ILSTM动态更新模型。该模型利用基于自适应步长改进的天牛须算法对长短期记忆网络模型的超参数进行自动寻优,以提高建模效率。采用经验模态分解法将参数序列分解为多个平稳的子序列,并利用偏自相关函数自动选取各子序列的时间窗口。工程实例表明,相比于未改进的LSTM、BPNN、SVM和贝叶斯更新方法,本文模型能有效跟踪施工参数的复杂变化,具有更高的预测精度。