基于多尺度自回归模型体系的混凝土坝位移预报及工程应用

针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input, NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model, ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。     

大坝安全监测智能感知与智慧管理技术研究及应用

水库大坝安全监测是工程安全的重要保障措施,亟需结合新一代信息技术,提升大坝安全监测能力。系统总结了长江科学院近年来在大坝安全监测智能感知与智慧管理技术方面的研究及应用工作,通过研发系列化智能传感器、智能采集单元和物联网感知平台,建设统一的大坝安全监测数据资源池,开发通用化安全监测云服务系统,搭建专业数据挖掘平台和综合可视化应用,实现了大坝安全监测数据感知、传输、管理、分析及展示全链路应用,形成了大坝安全监测全生命周期智慧解决方案。研究成果已在乌东德、溪洛渡、向家坝、大藤峡等100余项水利水电工程中成功应用,为保障工程建设及运行安全发挥了重要的支撑作用,具有很好的推广应用前景。     

基于关键闸坝优选的区域水网水量调控

为实现区域水网水量的高效调控,从水量、水生态、水质和闸坝管理等4个方面构建包含10个指标的闸坝优选评价指标体系,以廊坊市凤河-永定河区域水网为研究对象,计算区域内32座闸坝的综合关键指数并给出影响程度排序,采用水动力数学模型验证关键闸坝选取的合理性。结果表明：优选出的永丰闸和东张务闸是区域水网的关键闸坝,通过调节这两座闸坝的开度即可满足区域水网的生态需水和防洪排涝调度目标,保持区域水网较优的水力连通能力,提高区域水网水量调控效率。     

混凝土坝冷却自适应控制的在线辨识

本文应用自动控制理论“自适应在线辨识”解决了混凝土大坝混凝土一、二期冷却的自动控制问题。通过预埋的电阻温度计实时量测温度,实时调节循环冷却水系统的流量和水温或是毋须进行通水,以便达到良好的冷却质量和经济节约的目的。     

250kW炉底升降式电阻炉设计简介

介绍了新设计炉子的总体结构和主要参数；对炉子中的升降机构，电热元件，砌砖体等部分的设计构想和结构特点分别作了阐述。炉子经过制造和使用表明，制作容易，维修方便，使用性能良好。     

重力坝弹性参数反演的灵敏度分析及一种新的反演算法

依据结构灵敏度分析理论,采用基于有限单元法的解析灵敏度分析方法,对影响重力坝材料参数反演质量的位移观测点位置进行了研究,得到了坝顶位移最适合于反演大坝弹性模量的结论。同时引入一种新的群集智能优化方法—人工鱼群算法（AFSA）,根据大坝坝顶的增量位移进行混凝土大坝和坝基岩石材料参数的反演。算例分析表明：AFSA能够稳定快速地收敛到所求参数的全局最优值;同时加入不同水平的噪音对该算法的数值稳定性进行了研究,结果表明算法稳定性良好。     

中国是世界拱坝大国也是世界拱坝强国——在《特高拱坝建设总结及安全运行管理研究》会议上的发言

中国拱坝数量占全世界的40%,数量最多;世界最高的三座拱坝都在中国,因此中国是世界拱坝大国。中国解决了岩溶地区拱坝防渗、狭窄河谷拱坝大流量泄洪等技术难题,发展了碾压混凝土拱坝筑坝技术。中国学者首创大坝混凝土标号分区技术,首创混凝土坝温度应力理论体系,解决了大坝裂缝这一世界性难题;建立了拱坝优化理论、混凝土坝仿真分析方法、混凝土坝有限元等效应力方法、混凝土坝数值监控方法等,在拱坝设计和科研上取得了全世界最多的重要成果,因此中国既是世界拱坝大国,又是世界拱坝强国。     

沥青混凝土心墙坝渗漏检测及防渗体系修复综述

针对部分沥青混凝土心墙坝出现渗漏情况,为判定沥青混凝土心墙坝渗漏的部位及通道,需采用多种检测方法对坝体渗漏情况进行综合分析和判定。列举了多个工程应用实例,对沥青混凝土心墙坝渗漏检测方法如水下声纳检测、孔内彩电观测、示踪连通试验、坝体内水位分析和物探检测,以及混凝土防渗墙和控制灌浆修复坝体防渗体系方案及其影响因素进行了综述,以期为类似工程提供借鉴。     

基于TW-SVM预测模型的某堆石坝变形预测分析

为提高监测资料有缺失的大坝变形预测模型精度,采用支持向量机方法建立一种具有小样本、高维、非线性的预测模型,并结合对其重要组成部分核函数的分析应用,提出一种根据结构风险最小化的TW-SVM预测模型。以某堆石坝为例进行研究,利用坝坡垂直位移和水平位移的监测数据,分别采用TW-SVM方法和BP神经网络(NET)方法建立相应预测模型进行比较分析。结果表明:采用TW-SVM方法和NET方法预测的垂直位移最大绝对误差分别为0.58 mm和6.18 mm,最大相对误差分别为270.00%和1 286.22%;采用TW-SVM方法和NET方法预测的水平位移最大绝对误差分别为0.25 mm和14.91 mm,最大相对误差分别为31.25%和1 189.85%;TW-SVM预测模型比NET预测模型更适合于影响因素为时间、水位的小样本预测分析。研究结果为堆石坝变形预测与分析提供参考。     

基于改进粒子群优化算法的BP神经网络在大坝变形分析中的应用

BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。