基于卷积神经网络的大坝安全监测数据异常识别

为了减轻大坝安全监测数据异常识别的数据处理压力,解决传统方法难以辨别非最值异常点的问题,提出利用卷积神经网络(CNN)识别大坝安全监测数据异常模式.监测数据过程线的周期性及异常值的显著差别使CNN得以发挥图像分类功能,分别将存在单个突跳点、无异常、存在震荡段、台阶、多个突跳点、台坎的监测数据过程线作为6类图像,人工生成...     

河流横向混合系数的研究进展

横向混合系数是河流中污染物横向混合特性的重要体现与反映。本文针对不同河道情况下横向混合系数的确定方法进行了分析。首先归纳不同河道的无量纲横向混合系数的量值分布及代表性公式,顺直室内水槽试验的无量纲横向混合系数值在0.1~0.26范围内,天然河道量值分布较为离散,基本大于室内水槽的数值,并对不同代表性公式的适用条件和范围进行阐述;之后总结了利用示踪试验数据计算横向混合系数的各种参数计算方法,矩法和直线图解法简便易操作,线性回归法可分析非惰性污染物,加速遗传算法、人工神经网络等优化算法提高了计算精度并降低了人为主观性;接着详细介绍了弯曲河道中利用横向速度公式带入三重积分来计算横向混合系数的理论方法,Odgaard和Rozovskii的断面横向速度表达式与横向混合系数存在较好的响应关系,量化了二次流对弯曲河道横向混合系数的影响;同时对含植物、有冰层覆盖明渠以及不规则河岸等其他情况下的横向混合系数的探索进行了总结,最后提出了天然河流中横向混合系数研究中有待进一步探讨的问题。     

鄱阳湖入江水道和长江南京段泥沙表面特性研究

为探究泥沙分级后表面特性的变化规律,采集了鄱阳湖入江水道和长江南京段江心洲尾的泥沙,依据粒径分组对泥沙颗粒的级配和表面特性(比表面积、孔体积及孔径)进行了实验分析,结果表明,鄱阳湖入江水道和长江南京段泥沙颗粒均以黏粒、粉粒和细砂粒为主,比表面积范围为3.2²5.12m2/g,属于中孔材料;泥沙颗粒的比表面积随中值粒径的增大而减小,两者呈良好的幂指数关系,即在黏粒和细粉粒范围内,比表面积随中值粒径的减少而迅速减小;与分级沙样相比,混合沙样中值粒径与比表面积的关系与分级沙样趋势相近,量值略大于分级沙样;泥沙颗粒的相对比表面积和轴比较大,当粒径大于15μm时,相对比表面积和轴比随泥沙粒径增大而缓慢增加,而当粒径小于15μm时,随泥沙粒径增大相对比表面积和轴比急剧上升。     

机器学习算法在大坝安全监控系统中的集成方法

为方便在大坝安全监控系统中灵活应用新型机器学习算法，提出了一种应用组件对象模型（COM）技术将机器学习算法集成到大坝安全监控系统中的方法，相比于在开发系统中直接对机器学习算法进行编程，该方法可节省大量的编程时间，缩短开发周期，效果较好。     

三峡工程永久船闸的渗透压力分析

分析了三峡蓄水至172 m永久船闸的渗压情况。渗压是影响永久船闸安全运行的重要因素,为监测其渗压情况,设置了完整的渗流渗压监测系统。对船闸运行长期以来及三峡水库蓄水加密观测资料进行了统计分析并对典型测点建立回归方程,以了解建筑物基础渗压变化规律及变化趋势,为其安全运行提供了依据。     

大坝变形的ε-SVR数值模拟

在新建水利枢纽、大坝除险加固以及监测系统不稳定等原因导致有效观测序列较短的情况下,为了对大坝变形进行有效的监控和预测,用基于不敏感损失函数的支持向量回归机(ε-SVR)对大坝变形进行数值模拟.采用支持向量回归机、序贯极小优化算法对大坝变形水平位移各分量的特征因子进行选择,模型建立后分离水压、温度、时效等主要分量,并分析其对变形的影响.对实际工程进行数值模拟的结果表明,依靠较少的支持向量就可以建立模型,该模型具有拟合效果稳定、预测结果准确可靠的特点,可以应用于大坝短期观测资料的分析.     

古田溪大坝典型坝段水平位移监控指标的拟定

分别采用典型小概率法和结构分析法拟定了古田溪大坝9号和15号坝段水平位移的监控指标,指出:采用两种方法计算得到的最大值监控指标比较接近,但结构分析法考虑了模拟大坝和基岩的实际受力情况,使计算结果更为合理,建议采用结构分析法监控坝顶水平位移的最大值;对于坝顶水平位移的最小值监控指标,建议采用小概率法。     

基于小波变换的某重力拱坝背水坡转异裂缝序列的分析

裂缝转异诊断对分析大坝安全稳定运行有重要意义。将小波变换应用于大坝裂缝转异分析中,并结合某重力拱坝背水坡裂缝X18-1的实测数据,分别从小波系数图的过零点和极值点、多尺度下模极大值线及奇异性变化角度讨论其与裂缝转异时刻的关系,最终综合判断出裂缝的转异时刻。分析结果表明,小波系数图、模极大值线和奇异性均可反映裂缝的转异,但各自独立的诊断结果不完全相同,综合分析可准确判定裂缝的转异时刻,为裂缝转异诊断提供了新思路。     

洪水不可控特性对水库防洪安全的影响

针对洪水进入不可控阶段给水库防洪安全水平带来的影响,主要探讨了水库洪水调度中反映安全水平的调洪最高水位、最快下泄时间两个参数,重点分析了起调水位、入库洪水量级和洪水是否可控的相互关系,提出判别洪水是否可控的条件,在此基础上提炼了最快下泄时间这个影响防洪安全的综合参数,并分析起调水位、洪水量级、调度方式对其影响的变化情况。实例应用结果表明,起调水位较洪水量级对最快下泄时间的影响大,且预泄对其影响也较为显著,为进一步构建水库洪水调度安全度量化评价系统提供了依据。     

基于EMD分解法的大坝变形预测模型及应用

针对传统模型对脉动时间序列的预测效果较差的情况,结合经验模态分解(EMD)、相关向量机(RVM)理论以及改进粒子群算法(IPSO)的优点,提出一种基于EMD分解法的大坝变形预测模型。首先利用EMD分解法对大坝变形时间序列进行分解和重构,使非平稳的大坝变形时间序列平稳化,再以RVM理论为基础进行预测,核函数选用高斯核函数,并采用改进粒子群算法(IPSO)进行寻优,最终建立EMD-RVM(IPSO)大坝变形预测模型。通过实例计算得到,SVM、RVM和EMDRVM(IPSO)三种模型的平均残差分别为5.29 mm、3.13 mm、0.97 mm,并且EMD-RVM(IPSO)模型的预测值误差均控制在5%以内。这证明EMD分解法对非平稳时间序列的预处理可有效提高预测精度,相比于标准SVM模型和RVM模型,EMD-RVM(IPSO)模型的预测精度更高,且结构稀疏度更好,在实际工程中具有一定的可行性。