基于多点位移计和外部变形观测墩监测成果的高边坡开挖期变形深度分析

黄金坪水电站引水隧洞及泄洪洞进口开挖边坡最大坡高为205 m,岩体为斜长花岗岩,弱风化、强卸荷,开挖后强卸荷水平深度达100 m,并有多条岩脉、小断层及裂隙等,地质条件复杂。阐述了基于多点位移计和外部变形观测墩监测成果,对该高边坡在开挖期的变形深度进行了分析,对边坡支护方案提出了建议。     

基于混合注意力机制和深度学习的大坝变形预测模型

为深度挖掘时序数据中前后信息的动态相关性,探究大坝变形的内在影响机理,有效提高模型预测精度,构建了一种基于混合注意力机制与鲸鱼优化算法(WOA)的双向门控循环网络(BiGRU)预测模型。模型利用WOA对BiGRU进行超参数寻优以有效挖掘变形数据在时间维度的深层信息,并引入融合特征注意力(FATT)和时间注意力(TATT)的混合注意力机制计算各影响因子的贡献率,使模型可视化并提高模型捕捉环境因素动态变化的能力。以某高拱坝为例,将该模型预测结果与多种常用模型预测结果进行对比分析,结果表明该模型预测精度显著提升,贡献率计算符合大坝变形研究成果,验证了模型在大坝变形预测中的优越性与合理性。     

固结灌浆后岩体变形模量的确定方法——以高摩赞大坝枢纽工程为例

根据国内外工程经验,岩体变形模量的确定方法主要有现场试验和间接估算。固结灌浆后建基岩体的变形模量,往往难以进行大量的现场试验,而固结灌浆后的检查孔多会进行孔内声波测试。结合工程实例,在取得大量纵波测试数据和现场岩体变形模量试验资料基础上,拟合出纵波速度与岩体变形模量的相关关系,利用固结灌浆检查孔实测声波纵波速度,采用拟合的相关关系,对固结灌浆后岩体变形模量进行估算的方法,经济、便捷地取得灌浆后岩体的变形模量值。为工程设计复核提供了可靠的依据,可用于相似工程或试验资料不足工程灌浆岩体变形模量的确定。     

基于CNN的混凝土坝变形预测深度学习模型研究

混凝土坝变形监测与预测分析是一个长期需关注的问题.考虑到混凝土坝变形预测模型是预测结构性态演化、评价安全服役状况的关键措施,充分利用谷歌开源深度学习框架TensorFlow平台,结合深度学习理论中成熟的卷积神经网络技术建立了基于深度学习的混凝土坝变形安全预测模型,并以残差图、均方误差和平均百分比误差等指标评价作为模型的...     

水电工程岩体变形模量的确定方法

根据国内外工程的经验,探讨利用岩体分级指标RMR值及Q值、纵波波速等岩体物理力学参数与岩体变形模量的相关关系,通过估算的方法快速、经济地获取岩体变形模量值,用于小型工程或是试验数据不足工程岩体变形模量的确定。     

基于深度学习和椭圆检测的城市道路积水深度监测方法研究

为了解决传统城市内涝监测方式大量耗费人力物力,成本较高,不能满足城市内涝全面快速监测需要的问题,提出一种利用深度学习技术和椭圆检测算法的城市道路积水深度监测方法,通过深度学习模型对不同类型车辆的车轮进行检测和分割,利用椭圆检测算法对淹没车轮的几何特征参数进行提取,从而构建道路积水深度计算模型。通过东营市典型视频监控站点进行验证,结果表明：模型对数据集的平均定位精确率和分割精确率可达到94%以上,在实际积水监测中模型对正侧面和斜侧面车辆均具有较好的积水深度识别效果,近点处的识别结果优于远点,对正侧面车辆的识别结果优于斜侧面车辆。研究成果可为相关研究的进一步开展做铺垫,为城市内涝监测和洪涝灾害应急管理提供技术支撑。     

考虑地基压缩层深度的地基沉降简易计算方法

该文通过对弹性理论方法的修正,得到了一种比较简单的计算地基沉降的方法.其特点是采用由原位试验得到的土体的变形模量计算地基沉降,能反映原状地基土的特点,同时考虑了基础宽度和土体压缩层厚度对沉降的影响,公式形式简单,计算结果较准确.     

浅述某抽水蓄能电站地质平洞岩体变形模量的确定方法

现场岩体变形试验是一种常规试验,主要在大中型水利水电工程前期勘探中进行,岩体的模量值是地质部门划分岩体风化带、进行围岩分级、设计部门广泛使用的重要参数之一。     

厦门地铁隧道变形控制指标的确定方法

依托厦门风化花岗岩地层的盾构隧道工程,以土体参数的空间变异性为切入点,针对当前隧道变形控制指标体系存在的针对性不足、科学性不够及适用性不强等问题,结合现场监测数据的统计分析和基于随机场理论的可靠度分析,提出了厦门轨道交通隧道工程变形控制指标的综合确定方法。结果表明:厦门典型风化花岗岩地层中,盾构隧道施工引起最大地表沉降的统计平均值为-13.50 mm,监测数据的95%分位数约为-32.42 mm;根据可靠度分析,最大地表沉降服从标准正态或对数正态分布形式,随机计算所得最大地表沉降的95%分位数为-35.43 mm。从安全角度出发,建议将-35.0 mm作为厦门典型风化花岗岩地层盾构隧道施工地表沉降的控制值。     

太湖沉积物的分布和动力扰动下最大侵蚀深度的确定

利用 2 0 0 2年对太湖沉积物空间分布的调查数据 ,将太湖划分成 69× 69个网格 ,利用最优插值法对整个太湖的沉积物总量进行了计算 ,得出太湖沉积物的蓄积量大约在 1 8 5 7亿m3左右 ,主要分布在西部沿岸和北部的梅梁湾 ,在湖心和东太湖 ,沉积物覆盖量很小 ,有泥区面积占整个水面积的 47 45 % ,在 60 %的有泥区中 ,沉积物厚度集中在 2 5m以下 ,小于 5 0cm和大于 3 5m的有泥区面积所占比例不大。此外 ,利用Shields方法计算了太湖沉积物上层 1m内不同深度上的临界切应力 ,采用SMB浅水波动模式 ,计算了夏季受东南风和冬季受西北风影响下的波切应力值 ,确定了不同扰动所能引起的最大侵蚀深度。计算结果说明 ,无论上述何种风向情况下 ,能产生悬浮的临界风速大约在 5 0m s左右 ,当风速大于临界风速时 ,悬浮深度随着风速的增加而增大 ,当风速达到 2 0 0m s时所能引起的最大侵蚀深度均在 3 0cm左右。     

节理岩体强度和变形模量的经验估算方法

确定节理岩体强度和变形模量的途径有三:原位试验法、经验法和解析数值法。前者受时问和资金的限制而难以大量采用;后者因种种假设以及参数确定的人为性或困难性而难以使人信服,经验法则以岩块试验和现场地质调查为基础,根据理论和实践经验而提出的;经受了一定的时间考验,具有较好的置信度,因而在全球范围内被广泛采用。本文介绍了霍克-布朗(Hoek-Brown)经验判据、夹格尔(Jaeger)单弱面理论、希诺(Sheroey)等人经验判据、拉太(lajtai)经验公式推求节理岩体强度;介绍了布艾希凯(Bieniawski)、希拉菲门(Serafim)和皮内纳(Pereira)、巴尔通(Barton)等人的经验方程估算节理岩体的变形模量;最后给出了工程实例。     

地震中土体强度对抗滑桩变形和嵌固深度的影响

不同碎石土滑坡存在不同的强度差异。通过物理模型实验和数值模拟实验,分析了在地震荷载作用下不同土体强度抗滑桩支护滑坡的响应过程,得出:增大土体的强度,有利于发挥抗滑桩的抗滑作用,抗滑桩抗震效果较好,但是也存在一定程度的浪费;而减小土体强度,抗震效果并不好。利用ANSYS动力有限元程序,结合强度折减动力分析法,总结并建立了嵌固深度与土体强度设计值凝聚力、内摩擦角的相互作用计算模型和经验判别式。其设计方法和研究思路可为以后的相关研究提供借鉴和参考。     

基于二次模态分解和深度学习的大坝变形预测模型

为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模态分解和变分模态分解的二次模态分解对数据进行预处理,有效降低高频非平稳性分量对预测精度的不利影响,并利用蜣螂优化算法对双向长短期记忆神经网络进行超参数寻优以深度挖掘大坝变形数据的有效信息。以某水电站大坝为例,将该模型预测结果与多种常用模型的预测结果进行对比分析,结果表明该模型可有效挖掘大坝变形数据复杂的非线性特征,其预测精度明显优于对比模型,验证了该模型在大坝变形预测中的可行性与优越性。     

反倾层状岩体倾倒变形发育深度模型的计算分析

为分析反倾岩质边坡弯曲倾倒破坏机理,通过对反倾层状岩体的物理力学解析及悬臂梁极限平衡分析模型的优化,开展反倾层状岩体变形发育深度计算研究。基于流变理论,采用广义开尔文流变模型,以变形发育极限位置处零应变作为发育深度的界定标准,获取了反倾层状倾倒变形体的发育深度。进而,将两种方法推导出来的计算式进行工程实例分析,并与前人的研究成果进行对比分析,探讨其工程实际应用价值。实例计算表明:优化下的悬臂梁模型比广义开尔文流变模型计算的发育深度更接近实际情况;反倾层状边坡倾倒变形破坏发展演化的四个阶段为初始弯曲变形阶段、累计弯曲变形阶段、板裂体折断破裂阶段、破坏阶段。研究成果对反倾层状岩质边坡整体稳定性判别及失稳规模预测具有一定理论意义和参考价值。     

基于TCN和迁移学习的混凝土坝变形预测方法

混凝土坝变形测点数据丢失或者新增测点测量时间太短都会导致这部分测点的数据量不足,使得变形预测精度受到影响。为了提高这些小数据量测点的变形预测精度,提出了将时域卷积网络(TCN)与迁移学习相结合的变形预测方法。以数据量充足的测点为源域,以缺少数据的测点为目标域,将在源域上训练好的TCN模型的结构和参数迁移到目标域模型中,固定其中的冻结层参数,利用目标域中的数据对目标域模型可调层参数进行调整。同时,采用动态时间规整选择与目标域数据序列相似度最高的监测数据作为最佳源域数据,提升迁移学习效果。工程实例分析表明：迁移学习后的目标域模型的均方根误差和平均绝对误差与利用足量数据训练的TCN模型的预测误差相比,差异仅分别为1.73%和8.09%,小数据量情况下TCN预测模型的精度得到了提高。     

在一定保证率和供水情况下确定多年调节水库所需库容方法的商榷

一、前言过去在长江流域规划要点阶段的水利计算中,为了简化工作量,对于多年调节中多年库容、供水量及保证率三者之间的关系,采用了我办专家提供的ξ～ф～С_s曲线(类似伊凡诺夫曲线)来决定。然后,以C_1曲线或克一曼内插直线公式与之配合,以确定在一定保证率和供水情况下所需的总库容。由于这些方法在理论上尚存在一些缺点,且在流域规划阶段及今后工作当中,势必要求获得比较正确的数据。而近来有关这一问题,在理论、计算方法和实用价值等方面已逐渐获得新的发展,并日趋完善,故须对这些方法在理论及应用效果方面进行其些必要的探讨。为此,我们曾利用温塘峡及三峡两水库作为验证的依据,进行了学习性的研究。兹将工作中所发现和体会到的一些问题以及有关的研究成果,提出供同志们参考。对于探求多年调节水库在一定的设计保证率的     

在多年调节情况下用可能出水量保证率曲线确定保证出水量和库容的方法

在多年调节的情况下,为了确定保证出水量v_0,一般可以用伊万诺夫,萨瓦林斯基,克里茨基曼开里的方法,然而在具有观测资料时,用下述新的方法确定保证出水量v_0是较好的,所述方法与年调节相当的方法一样是以可能出水保证率曲线为基础的。本法与一般方法不同:1.利用了河道迳流的全部的详细研究资料,包括全部时期的季月迳流资料在内(这些资料代替了用2—3个年迳流参数Q,C_v和C_s≈2C_v);2.有可能算出总库容We而不仅是它的“多年”的部份。在文中用实例叙述和简单地解释了多年调节新     

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。