碾压混凝土坝安全服役关键技术研究进展

阐述了碾压混凝土坝的安全状况,围绕碾压混凝土坝层面力学行为和工作性态,综述了碾压混凝土坝层面结合性能、力学特性、变温效应、渗流分析、安全监控和综合评价等方面的已有研究进展,认为今后应加强碾压混凝土材料与结构交互演化机理和碾压混凝土坝服役性能劣化机制、劣化过程辨识与预警及劣化干预等方面的基础理论和方法研究.     

大坝安全监控系统的多维数据模型设计

如何提高大坝安全监控系统的有效性,是系统开发的难点。基于E/R建模原理,分析了大坝安全监控系统的E/R模型构建过程中出现的连接陷阱、数据冗余及更新异常问题,给出了这些问题的解决方案。在此基础上,进行了概念数据模型开发,构建了监测信息系统的E/R模型,并对该模型进行逻辑设计,建立起了能够有效反映大坝安全监控系统对监测数据的分析处理和对监测信息管理的多维数据模型,实现了监测信息管理高效数据库系统的建立。系统开发实例表明,多维数据模型能帮助系统快速地处理分析大量的监测信息,大大提高了系统的运行效率。     

基于有限元法的水电站预应力闸墩应力变形分析

某大型水电站中墩溢流表孔的弧形工作闸门在正常蓄水位时承受巨大水推力,根据规范和工程经验采用预应力钢筋混凝土结构型式,通过建立三维有限元模型进行计算分析,比较闸墩预应力情况下三种典型工况的受力性能。结果表明：闸墩结构具有相当的刚度;应力分布符合一般规律,预应力体系布置合理。     

大坝安全监测数据实时异常诊断研究

在大坝安全监测自动化采集系统数据采集过程中.受各种因素的影响会出现监测数据异常.在总结以往各种诊断方法的基础上,提出了一种快速、及时诊断数据异常的方法,并运用Delphi2007为开发语言,开发出了大坝安全监测数据实时异常诊断模块.实际运用表明,采用该方法能快速诊断出大坝安全监测数据中的异常值.     

基于因果模型的拱坝变形安全监控研究

基于因果模型原理,构建了拱坝变形的因素集和结果集,并从相关物理、力学原理出发,研究了拱坝变形和变形原因之间的因果作用机制。据此,融合因果分析图、层次分析法和模糊数学等技术,建立了拱坝变形影响因素的重要度因果分析图;应用小波分析方法提取了变形趋势分量,并将基于范例的因果推理方法引入到拱坝变形因果分析中,将其与传统的回归模型相结合,构建了拱坝变形因果推理模型。研究表明,因果分析理论的引入能够实现对拱坝变形机制进行更全面的分析。     

基于熵理论的锦屏一级拱坝空间变形预警指标拟定研究

锦屏一级拱坝已建成处于初次蓄水阶段,由于左岸边坡的持续变形对坝体弦长变形有一定影响,为使工程安全运行,拟定了弦长的空间变形预警指标。先利用改进的熵值法求得各测点的熵权,然后由信息熵的定义给出单测点变形熵的表达式,在此基础上再构建各测点的空间变形熵,最后运用最大熵理论给出了弦长空间变形熵的概率密度函数,并对弦长空间变形熵预警指标进行了拟定,结果表明该方法高效可行,可为大坝安全运行提供参考。     

基于多重分形的大坝裂缝整体性态分析

为准确评价大坝坝体裂缝的整体性态,以某碾压混凝土重力坝不同高程处的3条裂缝序列为例,应用多重分形消除趋势波动方法分析大坝裂缝实测序列的多重分形特征,通过替换序列分形特征产生的原因,并用Hurst指数、分形谱宽度和分形谱高度来表征其多重分形特征强度,统计分析了不同高程和坝段的9条裂缝的多重分形特征强度。结果表明,裂缝序列存在较强的多重分形特征,且由序列本身的长程相关性造成;坝体整体裂缝的多重分形强度大致相同,说明坝体结构的整体性态较好,变形以线弹性变形为主,处于安全状态。     

基于AdaBoost-SVM的混凝土坝变形预测模型

针对混凝土坝变形预测模型中环境量与效应量之间复杂的非线性问题,以及单支持向量机(SVM)模型预测精度不高的问题,提出一种AdaBoost-SVM的混凝土坝变形预测模型,该模型采用结构风险最小化的原则,并借鉴提升算法强化学习的思想,从而提高模型的学习性能,达到增强模型泛化能力和预测精度的目的。结合实例,经过AdaBoost-SVM预测模型对混凝土坝位移原型监测数据进行训练及预测,并将预测结果与单支持向量机模型的预测结果进行对比,结果显示:基于AdaBoost-SVM预测模型得到的均方差为0.5565,平均误差绝对值为0.40,预测精度比单支持向量机模型高出一个数量级;而且相较于单支持向量机预测模型,强化后的模型在预测时段表现出更好的稳定性。该模型综合了提升算法与支持向量机各自的优势,可作为混凝土坝变形预测的一种有效方法。     

大坝变形监测异常数据识别和重构模型

针对混凝土坝变形监测数据中的粗差和异常测值问题,提出了一种数据异常识别和重构模型。模型利用关联规则量化变形序列与水位序列的关联性,将监测数据输入DBSCAN聚类算法寻找异常点,利用关联结果将监测数据异常点分为粗差点与反映大坝性态点两类,保留反映大坝性态点,剔除粗差点,并利用改进的小波神经网络对粗差数据进行重构,保证监测序列完整性。某拱坝变形监测数据验证结果表明,该模型可以准确识别监测数据中的异常值,并能够获得更为准确的重构数据,为大坝实测性态评价提供了新的分析方法。     

糯扎渡水电站进水口叠梁门分层取水设施运行方式研究

鉴于糯扎渡电站进水口叠梁门分层取水设施的建设和运行管理缺乏经验,通过河道天然水温数据统计分析和水库水温分布结构预测,确定了糯扎渡电站进水口叠梁门分层取水设施的运行时段、运行水位、下泄水温的调控目标,并结合电站发电、防洪及航运等多目标水库运行要求,明确了进水口叠梁门分层取水运行方式,为电站投运后叠梁门多层取水提供了依据。