基于BP-ARIMA的混凝土坝多尺度变形组合预报模型

针对大坝变形常规统计预报模型在监测信息挖掘时的优势单一性及预报精度欠佳等问题,视大坝变形观测资料为非平稳时间序列,从影响大坝变形的因素出发,将其分为周期性影响因素与随机影响因素,利用多尺度小波分析方法将大坝变形监测序列分解并重构,结合BP神经网络与自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)对其随机信号与系统信号分项训练预报,并将其预报值相叠加,据此,应用时间序列原理提出了一种基于BP-ARIMA的混凝土坝多尺度变形组合预报模型。工程实例分析表明,所建组合模型较常规模型能够有效挖掘监测信息中所蕴含的有效成分,预报精度显著提升,且计算分析过程简便,为高边坡及水工建筑物中其他监测指标的预报提供了新方法。     

底孔溢流堰设计与施工的几个关键技术探讨

本文探讨了浯溪口水利枢纽工程底孔溢流堰设计与施工中所采取几个的关键技术;其中基于物理模型试验进行底孔溢流堰设计。模型试验结果表明底孔溢流堰设计既能保证水流平顺,过流能力大,又能保证不出现导致堰面发生破坏的堰面负压。此外,底孔溢流堰施工通过采用倒弧面模板和混凝土分区等工程措施可保证堰体混凝土满足强度、抗冲、温控以及平整度等要求。这些技术可为类似工程溢流堰设计与施工提供重要参考。     

基于组合赋权模糊云理论的高边坡稳定性评价

针对高边坡稳定性评价中指标赋权及其模糊隶属度等不确定问题,提出了一种基于组合赋权模糊云理论的高边坡稳定性评价方法。通过构建多因素协同驱动的高边坡稳定性评价指标体系及其等级划分标准,综合利用梯层指标的主客观组合赋权方法,并考虑到评价中的模糊性和随机性特点,引入模糊熵和云理论,建立了适应于高边坡稳定性多维评价梯级云模型。最后应用于锦屏Ⅰ级水电站左岸边坡的稳定性评价,对比分析了不同评价方法的计算结果,从而佐证了文中提出方法的有效性。     

基于组合赋权和灰色TOPSIS方法的岩体质量评价

目前各种岩体质量评价方法考虑的因素及其评分标准不统一,导致岩体质量评价存在一定的局限性。通过采用灰色系统理论改进传统TOPSIS法在多指标综合评价中的不足,提出一种基于组合赋权和灰色逼近理想解排序(TOPSIS)的岩体质量评价方法。根据岩石性质选取8项评价指标,建立了符合工程实际的评价指标体系,并依据信息熵原理对各项评价指标进行主客观组合赋权,克服了传统单一赋权方法的缺陷,保证了指标权重的客观性。最后探讨了提出方法在水布垭地下厂房围岩质量评价中的应用。结果表明:本文提出方法相比于可拓物元法、模糊可变集法和分形插值评价方法,评价结果是准确可靠的,操作简单,计算精度高,较好解决了岩体工程中的实际问题,亦可推广应用于其他水利工程的评价中。     

基于云模型的尾矿库溃坝风险模糊评价模型

针对尾矿库溃坝风险评价过程中存在模糊性及不确定性等问题,将尾矿库溃坝作为一个整体并选取合适评价因子,结合改进的层次分析法及云模型理论,建立了适用于尾矿库的溃坝风险模糊评价模型。算例表明,依据各评价因子的赋值标准生成相应的云模型,能够充分的表征评价过程中模糊性、随机性与离散性的特点,经改进的层次分析法计算得到各评价因子的权重后,按照最大隶属度识别准则进行综合评判。最终结果与实际情况相符,进一步佐证该评价模型的正确性和有效性,为尾矿库溃坝风险评价提供了一条新途径。     

基于逐步回归和GDCS-SVM的大坝变形预测组合模型

现行大坝安全监控技术不能按实测信号中不同频段信号特征分别选取不同监测模型进行处理,影响了大坝变形预测精度。为此,在利用小波包分解获取实测信号中的系统信号和随机信号的基础上,提出了一种基于逐步回归和GDCS-SVM的大坝变形预测组合模型,并进行了验证。工程实例表明,GDCS-SVM预测效果优于CS-SVM,而所建组合模型预测精度高于单一监测模型,具有较强的泛化能力和较好的全局预测精度,可用于大坝变形预测。