乌东德边坡监测资料反馈分析研究

来源 :全国大坝安全监测技术信息网第八届全网大会暨2015年全国大坝安全监测技术与应用学术交流会 | 被引量 : 0次 | 上传用户:lijizhong520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
文章采用乌东德水电站左岸电站尾水出口坡安全监测资料、监测系统动态反馈设计为例进行详细综合分析.通过详细分析多种监测资料的反馈信息, 对加固措施和支护参数,开挖方案等进行动态优化分析,为该边坡监测系统的优化设计和信息化施工提供确实可靠的分析依据。
其他文献
针对支持向量机(SVM)存在支持向量个数较多、核函数要求严格等不足,将性能更出色的相关向量机(RVM)用于大坝安全预警模型的构建.核函数及其参数对RVM模型的性能有着重要的影响,组合局部核函数和全局核函数的混和核函数能提高模型的拟合精度和泛化能力,利用自适应粒子群算法能有效地对核参数进行寻优.将上述组合算法用于大坝安全模型的建立,实例分析表明,基于上述算法模型的性能得到了一定程度的提高.
针对高拱坝监测信息不确定性问题,引入能够在定性概念与定量数据之间进行不确定性转换的云模型对监测信息进行分析.在研究了正态云分布的基础上,提出了一种改进的逆向正态云算法,该算法能够避免逆向云计算时出现超熵为虚数的情况,并且精度较好.提出了用"雾化指数"来衡量云滴分布的离散程度,根据其大小能够综合判断监测测点的总体观测精度.最后将改进的逆向正态云算法应用到了某拱坝的变形监测之中,验证了该算法在高拱坝监
大坝变形能够有效地反应大坝的运行状态,而传统统计模型对大坝变形监测数据的拟合和预测并没有考虑坝体及坝基的物理力学参数,为此,本文提出基于有限元与SVM的大坝变形预报模型.通过Hypermesh网格划分得到三维有限元模型,导入Abaqus进行静力计算,得到典型水位下的位移分量,针对大坝变形的高度非线性特点,利用SVM进行拟合,得到水压分量影响过程线和温度、时效分量影响过程线.通过实例验证可得,结合有
首次蓄水是大坝的一个重要里程碑.蓄水前,确保各建筑物处于稳定安全状态是最基本的要求.安全监测作为监控各建筑物工作性态的耳目,为工程的诊断和鉴定提供依据.本文以江西某电站主坝监测资料分析为例,通过对蓄水前变形、温度、渗压、应力等监测项目进行分析,为各监测建筑物作出安全评价,并给出建议,为首次蓄水做准备.通过对上水库施工期监测资料的分析,得到如下结论:(1)上水库主坝施工期大部分测点测值稳定、连续,观
本文对丰满大坝重建工程施工期老坝32坝段正垂线自动化系统改造进行了简介;对改造后的自动化系统进行了精度评价;依据近1年观测数据进行了定性和定量分析,得出分析结论.通过对32坝段自动化系统的观测精度评价及资料分析可知,1)各测点的重复测试结果较好,等级均在优秀以上,说明垂线自动化系统的观测精度较高。2)各测点的测值符合正垂线的时空变化规律。3)各测点测值的逐步回归效果较好,能够较好地反映出正垂线测值
本文介绍了南水北调中线干线工程中大型输水渡槽建筑物的安全监测项目设置、监测仪器设施安装埋设施工、监测数据采集情况,通过施工期、充水试验和通水运行期间监测成果分析对建筑物工作状态进行了评价,虽然个别建筑物在充水试验和通水运行期间发现了一些异常问题,但目前建筑物处于运行安全状态,最终对通水运行期输水渡槽的安全监测提出了建议。
大坝变形的实际监测值序列是一个非线性、非稳定的时间序列,引入径向基核函数后的支持向量机能有效解决非线性问题,因此可用支持向量机模型对大坝变形进行预测.支持向量机模型的核心问题是惩罚因子C和核函数参数σ的选取,针对标准遗传算法可能存在收敛局部小而最后得不到全局最优解,以及收敛速度慢等缺点,本文采用改进的自适应性遗传算法对参数进行寻优.通过实例表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进
支持向量机能有效地解决高维数非线性问题,且具有很好的泛化能力,其关键在于惩罚因子及核参数的选取.针对遗传算法具有局部搜索能力差及易陷入"早熟"收敛等缺点,本文提出利用改进的双切点交叉遗传算法对SVM模型进行参数寻优,建立了基于DblGEGA-SVM拱坝变形监测模型,并对监测数据进行拟合预测.通过实例分析,该模型与统计模型、基于基本遗传算法的支持向量机模型(GA-SVM)相比,具备更强的泛化能力和更
The arch dam is a kind of massive water retaining structures pouring with concrete.The overall failure mechanism and corresponding analyzing criterion are key concerning issues in dam engineering fiel
由于地下水封洞库工作环境特殊,受多种确定性和不确定性因素的影响,通过预置因子集利用统计回归方法建立监测数学模型具有一定的难度.本文采用时间序列分析方法建立地下水封洞库变形监测ARIMA模型,并通过实例证明,地下水封洞库变形监测ARIMA模型拟合效果好,预测精度高,预测绝对误差小.工程实例表明采用时间序列分析方法建立的地下水封洞库变形监测ARIMA模型拟合效果好,预测精度高,其预测绝对误差小,最大相