排序方式: 共有216条查询结果,搜索用时 62 毫秒
61.
在结合经济因素的安全施工过程中,施工企业如何实现在可接受的安全保证水平下对安全投入加以控制,是一个长期困绕施工企业的问题。借鉴项目管理中对成本与进度进行控制的挣值法分析原理和方法,构建了土石方开挖工程安全管理过程中,在可接受的安全保证水平下对安全成本进行控制的基本指标体系,探讨了利用挣值法进行安全成本控制的方法,并结合观音岩水电站导流明渠土石方开挖工程进行了分析。结果表明,该方法在土石方开挖工程中对安全成本的控制适用性较强。对同类工程的安全成本管理有供鉴参考意义。 相似文献
62.
为研究带受力盘塑料套管混凝土桩(带受力盘TC桩)在桥头处理中的桩土应力比以及侧向位移情况,以上海市奉浦大道工程为依托,在桥头处理段埋设相关试验仪器。通过持续的数据监测,在积累了较多的实测数据的基础上,对所得数据进行科学分析,得出带受力盘TC桩桩土应力比分布,发现在较低的路堤填土下难以形成土拱效应;以及由于施工工艺使得路基下土层存在一个较长的土体回挤过程。最后指出在带受力盘TC桩施工完成后应施加足够的荷载并持续足够时间,使得桩周土能充分回挤,从而使得带受力盘TC桩能充分发挥其强度,减少桥头段沉降。 相似文献
63.
研究拱坝结构抗震性能及破坏形态的重要手段为拱坝振动台动力模型试验,试验配制一种以重晶砂、重晶石粉和水泥为主要成分的模型材料,结合选用的振动台所具备的条件及模型材料的力学性能,设计拱坝振动台试验模型,并测试和获取其在不同地震荷载下的动力响应。选择某一工况进行分析,该工况下结构开始出现明显裂缝损伤并逐渐发展。通过分析该工况下结构动应变响应,分析其损伤出现的时间,由此将该工况分为4个时段。通过计算分析不同时段多个加速度响应测点的加速度放大系数,并引入模态参数辨识的数值子空间辨识算法和ARX模型辨识法,计算不同时段+拱坝模型的自振频率和阻尼比,并将其与损伤发展情况相对比,以分析拱坝模型损伤发展情况及其结构动力特性。研究结果可为拱坝振动台试验制作和结果分析提供价值性参考,并可为拱坝结构动力特性参数识别和损伤诊断方法提供验证素材。 相似文献
64.
大坝安全监控指标理论及方法分析 总被引:2,自引:0,他引:2
大坝安全监控指标是监控大坝安全与否的关键指标,现有的监控指标拟定方法主要有数理统计法、极限状态法、结构分析法等.在对这些方法的基本原理进行详细分析的基础上,提出了一些建议,即大坝安全监控指标的拟定需要与大坝的失效破坏模式联系起来,确定与此模式相应的安全极限状态,并建立相应的各级安全监控指标.分析大坝失效模式的理论有风险分析、可靠度分析等. 相似文献
65.
针对目前层次分析法中权值计算和判断矩阵一致性检验分开进而导致计算精度不够精确的问题,提出了基于SQP法的权值计算算法。同时针对目前泵站建筑物安全评价中评价指标数较多,计算复杂易出错的问题,基于MATLAB GUI将整个安全评价过程设计为一个可视化界面。将权值计算与判断矩阵一致性检验相结合形成一个非线性优化问题,然后利用SQP法来求解。在提出的SQP权值计算算法的基础上融合模糊综合评价模型应用MATLAB GUI将计算过程封装成一个界面。以南水北调东线某大(1)型泵站建筑物安全评价为例,在此泵站上应用SQP算法计算各指标权值。计算结果表明,此算法计算精度高、收敛速度快。将开发出的界面应用到此泵站上可简单快速完成泵站建筑物安全评价,与实际状况较为符合。研究成果可为泵站等类似建筑物的安全综合评价提供参考。 相似文献
66.
67.
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. 相似文献
68.
69.
混凝土拱坝作为一种高次超静定结构,具有较强的自适应性和整体性,但传统混凝土拱坝变形统计模型主要考察单个测点的变形序列,不能体现不同测点之间的相互作用。基于传统混凝土拱坝变形统计模型,用空间计量方法挖掘了拱坝不同测点同一时刻误差项空间面板数据的空间关联特性;进一步采用空间面板自回归模型拟合变形序列误差项面板数据,建立了混凝土拱坝变形预测空间误差模型。小湾拱坝坝体34个监测点水平向变形监测序列分析结果表明:误差面板数据之间存在很强的正空间关联性质,空间误差模型的预测效果优于传统统计模型,具有一定应用前景。 相似文献
70.
由于大坝变形监测数据为非平稳、非线性的时间序列,因此采用经验模态分解法( EMD) 、相关向量机理论( RVM) 以及 Arima 误差修正模型对大坝变形监测数据进行分析预测。首先利用 EMD分解法对原始时间序列进行分解和重构,使原始序列平稳化,得到若干本征模态函数( IMF) 以及残差序列,再以 RVM 预测模型对上述结果进行分析预测,最后利用 Arima 误差修正模型对预测残差进行误差修正,从而建立了以 RVM 为基础预测模型的 EMD - RVM - Arima 大坝变形预测模型。以某双曲拱坝为例,采用该模型对其变形监测数据进行分析预测,得到的平均残差为 2. 89 mm,同时计算出SVM、RVM 法的平均残差为 11. 62 mm、9. 30 mm。可以看出,EMD - RVM - Arima 模型大大提高了预测精度,该模型在大坝变形预测中具有可行性。 相似文献