改进Harris-Susan算法下砾石土料掺配均匀度评价

砾石土料掺配均匀程度对砾石土心墙坝的安全至关重要。数字图像处理方法被广泛应用于混合物识别领域,但在处理存在黏连特性的图像时易出现过分割与欠分割问题,导致评价结果精度不足。针对上述问题,本文提出改进Harris-Susan算法下砾石土料掺配均匀度评价方法。首先,改进Harris-Susan算法可分割欠分割区域并修复过分割区域,提高二值图像精度;其次,基于砾石邻域的概念,对图像进行单分位均匀度评价;最后,采用空间分布采样构建砾石土的空间均匀度评价指标。将该方法应用于大渡河双江口砾石土高心墙堆石坝工程建设中,本文方法相对统计准确率为0.935,较Otsu算法（0.353）和分水岭算法（-3.101）提升明显。结果表明,本文方法结果与筛分法高度一致,同时可有效节省人力、物力与时间成本,评价效率更高,具有很强的工程应用价值。     

高亏格坝基地质体Kmeans-ERT自动建模研究

高亏格地质体是多处镂空的复杂地质构造,如坝基的互层、破碎带等。基于地层面的地质建模方法在处理高亏格地质体时存在自动化程度低、主观误差较大等缺点;基于体元的建模方法虽然可以实现自动化,但存在数据冗余的不足,且难以适应水利水电工程钻孔数据分布不均、地质体局部突变等特点。针对上述问题,提出一种基于栅格体元的高亏格坝基地质体K均值-极端随机树（Kmeans-ERT）自动建模算法。首先,针对高亏格地质体的随机性和突变性,采用鲁棒性较强的极端随机树算法构建分类模型;其次,采用K-means算法对地层样本进行聚类,根据聚类结果动态调整分裂阈值;最后,提出边缘检测算法识别模型边界,进而隐藏内部体元,实现模型轻量化。工程应用表明,所提出模型可以实现坝基高亏格地质体的自动建模,平均准确率相较支持向量分类（SVC）、K近邻算法（KNN）、随机森林、深度森林和BP神经网络分别提高17.4%、19.1%、4.7%、6.5%和17.1%,模型内存缩减率达69.3%;与人工建模方法和其余自动建模算法相比,所提出模型在精度和效率上具有优势。     

基于CA-RL的堆石坝填筑仓面碾压作业动态路径规划

碾压作业是堆石坝填筑仓面施工的关键工序,科学合理规划碾压路径能够在保障碾压质量的前提下提高碾压效率。在当前路径规划研究基础上进一步考虑碾压机数量变化、压实质量感知等动态要素可以提高路径规划模型面对复杂动态的仓面施工环境的适应性。本文通过建立基于元胞自动机的填筑仓面信息模型、提出条带整体压实质量评价方法,解决压实质量等仓面信息的储存更新的问题;通过建立基于强化学习的碾压作业路径规划模型、构建碾压机状态集和动作集、设计奖励函数和探索利用策略,解决碾压机数量变化的路径分配的问题;耦合上述两种模型,实现堆石坝填筑仓面碾压作业动态路径规划。结合国内某堆石坝工程开展了工程应用,结果表明：本方法可动态考虑碾压机数量变化、压实质量感知等要素,路径规划结果在保障碾压质量的前提下路径长度相较现场施工实际路径平均缩短22.3%,能够有效提升碾压效率。