排序方式: 共有29条查询结果,搜索用时 15 毫秒
11.
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. 相似文献
12.
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。 相似文献
13.
14.
15.
16.
17.
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。 相似文献
18.
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。 相似文献
19.
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。 相似文献
20.