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。     

水工混凝土裂缝的压电智能骨料感知试验与模拟

为有效监测裂缝的形成和发展,提出一种利用压电智能骨料量化识别裂缝的方法。制作压电智能骨料换能器,测试分析智能骨料接收信号的敏感性,优选智能骨料的传感元件类型、封装材质、输入电压和激励频率;开展裂缝位置、深度的量化传感试验,构建小波包相对能量指标,探明该指标与裂缝位置、深度间的关系;建立随机骨料有限元数值仿真模型,模拟裂缝对压电智能骨料传感信号的影响。结果表明：数值模拟结果和试验结果吻合,所构建压电智能骨料诊断指标可较好地监测混凝土结构裂缝状态,可实现连续、远程、实时监测裂缝发生和发展过程。     

库岸边坡运行的实时风险率量化模型和预警方法

库岸高边坡是状态实时变化的复杂系统,直接参考现行设计规范或套用传统可靠度方法拟定预警指标,都难以反映和捕捉工程动态演变特征.为此,将原位监测资料融入工程风险率分析方法,提出了库岸边坡运行的实时风险率量化模型和预警方法.首先,基于实测资料建立了边坡安全时空回归模型,借助回归模型的误差正态分布特征,构建了边坡运行实时风险率...     

特高拱坝多测点时效变形的协整监控模型及其应用

实测变形资料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。为研究特高拱坝时效变形的协整性,利用小波分解获得大坝位移的时效分量,考虑到特高拱坝的空间整体一致性差异,采用FCM聚类算法实现了时效变形的区域化,借助区域线性化思想,将整个特高拱坝时效变形的空间非线性协整关系转化为区域内近似线性的协整关系,建立了描述大坝不同部位时变协整发展规律的分区协整模型,通过协整残差实现了多测点时效变形的协整发展监控和预警。     

特高拱坝长期运行时变效应的状态空间诊断方法

特高拱坝具有“三高一强”特点,长期运行中呈现复杂、多样和时变的变形性态,其中,时变特点隐含了大坝系统安全性的演化过程,对工程健康服役意义重大。规范明确指出,特高拱坝的变形性态需开展专项研究。本文首先分析国内典型特高拱坝的变形时变特性,然后,基于时变效应呈现的差异性,深入剖析特高拱坝时效变形的影响因素和形成机制;接着,考虑时效变形由多种因素叠加产生且不可直接监测,将时效变形视为状态向量,以实测变形作为观测序列,小波分解的趋势项作为状态序列,提出基于状态空间模型的特高拱坝时效变形分离方法;最后,提出时变效应的敛散性判别指标,实现了从时变角度开展大坝安全判定。成果可揭示特高拱坝时效变形的整体演变规律和趋势,并诊断大坝健康服役性能。     

基于KPCA-ICFSFDP-MOGP的拱坝多测点变形数据预处理及预测方法

为更高效地对高拱坝的多测点变形数据进行分析,引入了核主成分分析(KPCA)算法重构误差以识别多测点序列中的异常值；为解决用于测点聚类的密度峰值聚类(CFSFDP)算法高维表现较差的问题,利用KPCA算法对其进行降维操作,并提出了自动选取聚类中心与截断距离的改进CFSFDP(ICFSFDP)算法；基于KPCA-ICFSFDP和多输出高斯过程(MOGP)算法,按分区建立了多测点变形MOGP回归模型。实例验证结果表明,对于簇内点数量较少的类,相较于不分区的MOGP模型,预测效果得到了一定的提升,同时在整体MOGP模型表现良好的测点,分区后仍然保持较高的预测精度,且与单输出高斯过程模型对比均有所提升。