排序方式: 共有110条查询结果,搜索用时 15 毫秒
51.
52.
对苏州市河网进行了概化,采用Arc GIS的"欧氏分配"等工具进行了集水域和子流域的划分,以MIKE11软件为平台,建立了苏州河网的NAM水文模型和一维水动力模型,率定了水文和水动力参数,实现了水文水动力模型的耦合。计算研究区域200年一遇频率下的设计暴雨量,并推求暴雨过程分配。在此基础上,设置闸站工程的运行方式,对苏州地区200年一遇设计暴雨条件下的洪水演进过程进行模拟预测,并重点分析苏州城市中心区的防洪安全裕度。计算结果表明,在200年一遇设计暴雨条件下,苏州地区闸站工程运行方式设置及其调度原则满足城市中心区的防洪要求。 相似文献
53.
采用单弹簧联结单元法及混凝土四参数损伤模型,对施工期工况下白鹤滩拱坝的6~#底孔结构进行了钢筋混凝土三维非线性有限元计算,分析了配筋对孔口结构应力状态的影响,以及配筋后混凝土的损伤情况、钢筋应力分布及裂缝开展宽度等。结果表明,加入钢筋对该孔口大部分区域的混凝土应力影响不大,但会使大梁、下游闸墩等拉应力较大部位的应力状态有所改善;该孔口中仅在大梁与闸墩结合处发生轻微损伤,加入钢筋能在一定程度上限制损伤的增大和扩展;6~#底孔中钢筋应力不大,裂缝开展宽度满足规范要求。 相似文献
54.
基于NMEA-BP大坝变形监测模型研究 总被引:2,自引:0,他引:2
在对思维进化算法(MEA)改进的基础上,开展了基于思维进化算法与BP神经网络的大坝变形监测模型的研究。通过引入小生境技术和思维进化算法,克服了BP神经网络易陷入局部最优值、训练时间长和收敛速度慢等缺点,极大地提高了其搜索效率和全局搜索能力。通过进一步利用改进的思维进化算法优化BP神经网络的权值和阈值,建立了NMEA-BP大坝变形监测模型,并用该模型对工程实例进行了拟合预测。结果表明,NMEA-BP模型有效提高了大坝变形预测的精度,能更高效准确的进行大坝变形监测。研究成果为大坝变形监测的理论和实践研究提供参考。 相似文献
55.
有限元法由于其适用性强的特点而大量应用于拱坝的应力分析中,但由于有限元法计算结果受网格尺寸和网格形态的影响较大,且易在坝踵和坝趾出现应力集中效应,给拱坝的应力评价带来困难。目前有限元等效应力法多应用于拱坝的静力分析中,但对于拱坝在设计地震作用下的应力分析,仍没有明确的评价标准。本文将有限元等效应力法扩展应用于拱坝的动力分析中,结合沙牌拱坝的工程实例,采用抗震规范的承载能力极限状态设计式对坝体强度进行评价,评价的结果和实际情况较吻合,为等效应力在拱坝动力分析中的应用提供了有益的探索。 相似文献
56.
基于云模型与证据理论的大坝安全综合评估方法 总被引:2,自引:0,他引:2
大坝工作性态影响因素众多、属性的特征多样、相互关系复杂,对其安全状况的综合评估是一个典型的不确定性问题。充分考虑大坝安全评估过程中的模糊性和随机性,组合应用云模型和DS证据理论开展了大坝安全多指标综合评估方法研究。依据大坝安全评估多指标体系和安全等级划分标准,借助云模型实现D-S证据理论中基本概率赋值,进而基于D-S证据理论并加以改进,构建了大坝安全综合评估模型,并提出了相应的综合评估实现方法。应用于实际工程案例分析,验证了文中所述方法的合理性与可行性。实例表明,通过云模型和D-S证据理论在大坝安全综合评估中的组合使用,有效降低了评估过程不确定性对其结果的影响,为大坝安全多指标综合评估提供了一种可行的途径和思路。 相似文献
57.
鉴于传统方法在含复杂结构面岩质边坡稳定分析中的局限性,引进分区有限元与块体界面元混合算法,验算边坡的稳定性。针对某水电站泄洪洞出口边坡地形地质条件和结构面分布特点,建立数值模型。采用分区有限元与块体界面元混合算法,并结合强度折减法,逐步降低不连续面抗剪强度,计算得出块体刚体位移和接触点对接触状态。根据块体刚体位移发生突变并结合滑动通道失效点对完全连通,确定了边坡的安全系数和破坏方式。结果表明:边坡稳定安全系数为1.80;边坡最可能以坡顶预设缝、坡脚预设缝以及f_(555)结构面为滑动通道发生失稳破坏。该方法具有准确确定边坡危险滑动面和安全系数的优点。 相似文献
58.
针对三维极限平衡法分析边坡稳定时不能搜索最危险滑动面的问题,以索风营水电站Dr2危岩体加固工程为研究对象,采用果蝇优化算法搜索危岩体的滑动面,采用改进的三维极限平衡法对危岩体进行抗震稳定计算,提出基于果蝇优化算法的危岩体危险滑动面搜索方法,并分析了危岩体各种加固措施对稳定的贡献度。结果表明:加固后的危岩体在地震工况下可以维持稳定,其中泥岩灌浆对稳定的贡献最大,顶部锚索贡献最小。该方法弥补了传统极限平衡法无法所搜滑动面的缺陷,提高了边坡失稳的预测精度,可为类似工程提供一定的参考。 相似文献
59.
60.
本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。 相似文献