基于EEMD-LSTM-ARIMA的土石坝渗压预测模型研究

渗压监测是土石坝渗流安全评价的重要内容之一。由于渗压受到诸多外界因素的影响,测点的渗压值时间序列往往存在非平稳性、局部突变等特点,为此基于“分解-重构-组合”的思想构建了土石坝渗压预测的EEMD-LSTM-ARIMA模型。首先采用集合经验模态分解(EEMD)对时间序列特征进行提取,根据长短期记忆神经网络(LSTM)对提取出的特征分量进行预测,同时结合差分自回归移动平均方法(ARIMA)进行残差修正,组合LSTM和ARIMA的预测结果,重构得到改进预测模型。以某深厚覆盖层上的土石坝工程为例,选取主河床坝体防渗墙后2个典型测点的实测渗压值序列为研究对象进行应用验证。结果表明：相较于单一的LSTM模型和ARIMA模型,改进模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为3种模型中的最小值,预测精度明显优于另外2种模型,该模型为土石坝渗压的精确预测分析提供了新途径。     

高地应力地下厂房岩壁吊车梁结构安全性分析

对于高地应力区地下厂房，岩壁吊车梁浇筑完成后下部厂房洞室开挖可能会对吊车梁产生不利影响。对此，采用三维弹塑性有限元法分析了某地下厂房岩壁吊车梁施工期和运行期应力变形、梁体锚杆受力及梁体的稳定性。结果表明，在高地应力场中，岩壁吊车梁会产生较大变形，梁体和岩壁结合面会出现较大的拉应力，在吊车梁浇筑完成后的3期内梁体应力变形增大，随着开挖部分远离梁体，梁体应力变形变化趋于平缓，梁壁结合面安全系数增大，为类似工程中吊车梁浇筑和洞室施工提供了参考依据。