基于Apriori和GP-XGBoost的特高拱坝变形缺失数据填补方法

变形监测数据作为特高拱坝服役性态最直观的表征,蕴藏着丰富的时空信息和演变规律,对工程长治久安意义重大。然而,多源多维的变形监测数据受仪器本身及外界因素影响,往往存在数据缺失的现象,会对接下来的数据分析工作造成干扰。针对大坝变形监测序列中的缺失数据,基于Apriori关联规则算法挖掘测点变形在空间维度上的关联性,得到目标测点的强关联测点,随后以强关联测点的变形监测数据作为输入样本,利用贝叶斯优化的XGBoost回归模型填补了目标测点的空缺变形监测序列。结合锦屏一级特高拱坝工程实例表明,该填补方法实现了变形监测空缺信息的高效、精准填补,可用于类似大坝工程的变形缺失数据填补。     

我国提高抗旱应急供水能力的对策研究

在分析我国现状抗旱应急供水能力的基础上,根据干旱时期的最低需水要求,指出我国抗旱应急(备用)水源能力建设战略目标。在分析我国抗旱应急(备用)水源工程类型的基础上,针对东北地区、黄淮海地区、长江中下游地区、华南地区、西南地区、西北地区等六大片的特点,提出我国抗旱应急(备用)水源工程建设布局建议,以全面提升我国综合抗旱减灾能力。     

滑坡体监测数据的改进变维分形-人工神经网络耦合预测模型

滑坡体变形预测对滑坡灾害治理具有重要的意义。根据边坡的演化特性,在研究得到滑坡是一个非线性动态系统,其监测数据具有分形特征的基础上,利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测,并引入人工神经网络对时间序列的偏离项进行纠偏优化,从而建立滑坡体监测数据的改进变维分形-人工神经网络（IVDF ANN）耦合模型,并以茅坪滑坡体的实测位移为例进行预测。预测结果证明,该模型充分利用分形理论的自相似性和人工神经网络的自学习能力,具有良好的抗噪性,对小数据量的监测数据能够达到较高的预测精度和较好的预测长度,为滑坡体安全监控预测提供了新的参考方法。     

土石坝漫顶过程水力特性分析

土石坝漫顶过程极其复杂,溃决过程研究成果存在诸多争议。采用标准k~ε紊流模型和VOF方法对土石坝水流漫顶过程进行了水气两相流数值模拟,对漫顶过程水流流态、流速分布等进行了详细分析,揭示了坝面切应力分布规律。该规律的发现可以用于解释笔者先前提出的"落点冲蚀"猜想及"剪剥式"冲蚀理论,即漫顶条件下最先发生冲蚀的部位可能在坝坡中上部,漫顶冲蚀以台阶式冲蚀为溃决的主要特征。     

山西省中西河流域降水径流演变特征及响应关系

<正>确理解变化环境下气候水文演变趋势对流域水资源评价具有重要意义。以山西省中部中西河流域为研究对象,采用Mann-Kendall方法和有序聚类方法,诊断了1958-2015年降水径流演变规律及径流变化阶段性特征,分析了不同阶段降水径流响应关系。结果表明:近60年来,年降水量和径流量总体呈现减少趋势,平均线性减少率为-1.05mm/a和-1.62mm/a;以1970和1979年为临界点,径流系列呈现3个阶段的变化特征;不同阶段内降水与径流具有较好的相关性,但由于非降水因素的影响,不同阶段降水径流响应关系存在差异;未来应加强进行径流变化归因定量分析研究。     

澜沧江流域水文气象要素变化特征分析

以澜沧江流域为对象,采用气候倾向率、MK检验、Pearson相关性分析等方法,分析1958-2015年气温和降水的空间分布、年内分配及演变趋势,揭示径流演变的驱动要素。结果表明:澜沧江流域气温空间分布不均,上游温度低降水少,下游温度高降水多;降水和径流年内分配不均,主要集中于夏秋两季,径流峰值比降水峰值滞后一个月;1958-2015年气温呈上升的趋势,降水和径流呈下降趋势;2005年为径流出现突变的年份,年径流减少21.5%;气温升高、降水量减少对径流减少有一定贡献;气温与径流的相关性较差,降水径流相关性于2005年之后变差,尤其是夏秋两季。     

基于监测信息的坝体三维可视化及系统集成

为全面了解大坝安全监测信息,迅速发现数据中隐含的特征,预警可能出现的结构异常及分析评判坝体结构安全状态,提出以可视化技术仿真坝体实际空间监测信息,实现了三维时空中的数据场量的可视化和人机交互功能,设计开发了可视化的大坝安全监测系统.运行实践表明,可视化系统更直观表现了坝体信息,为坝体监控、分析、评判提供了形象的描述和有...     

改进马尔可夫链模型在梅雨和干旱预测中的应用

根据马尔可夫链不同步长的状态转移概率矩阵问存在的关系,在充分运用历史样本信息的基础上,采用自相关技术确定模型的显著相关历史状态步长,以熵权描述历史状态对未来状态预测的影响,构建了可调整状态转移概率矩阵的改进马尔可夫链预测模型.井将该模型应用于梅雨和干旱强度指数状态预测中.与已有的马尔可夫链预测模型比较结果表明,改进的马尔可夫链预测模型对梅雨和干旱强度指数状态预测更准确,状态转移概率矩阵和权重的确定更为合理,在水文水资源预测中具有推广应用价值.     

基于 EMD － ＲVM － Arima 的大坝变形预测模型及其应用

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。     

密度对粗颗粒材料动力特性影响试验研究

密度是影响粗颗粒材料动力特性的重要因素。随着密度值的提高,粗颗粒材料的最大动弹性模量产生一定的增加,但增加率随着围压的提高呈逐渐减弱的趋势;随着密度值的提高,粗颗粒材料在动荷载作用下的初次动轴向永久变形降低的较明显,后期随着振次的增加,动永久轴向变形呈逐渐收敛趋势,密度值的提高对动轴向永久变形的影响要明显大于对体积变形的影响。因此,对于高土石坝工程来说,提高压实标准有利于改善粗颗粒材料的力学特性,控制坝体的整体变形即提高其抗震性能。