水工高性能混凝土配合比多目标智能优化设计与分析方法

高性能混凝土(HPC)在水利工程中的多元化应用对其配合比设计提出了更高要求.为实现高效、准确的配合比设计,本文结合人工智能算法和元启发式搜索技术,开发了一种综合考虑多目标需求(力学性能、经济性和环保性)的HPC配合比优化设计新方法.其主要包括:(1)建立了以配合比参数为设计变量,以抗压强度、单方生产成本和碳排放量为优化...     

多维复杂关联因素下的大坝变形动态建模与预测分析

大坝变形监控模型是多维复杂关联性以数学形式表达的集成载体,因而合理量化和集成关联性有利于更加全面而准确地构建数学模型。本文着重从维度、关联、检验、措施及模型五个层面依次对因子相关性、动态因果关系和序列相似性三种关联性进行阐述,提出了一种兼顾相关性和相似性的大坝变形动态监控模型。该模型以环境因子与大坝变形间的因果关系为基础,分别采用耦合相关性诊断方法、动态最大信息系数和标准化动态时间规整算法度量因子相关性、动态因果关系和序列相似性,并通过非线性模型建立、动态输入修正和交叉多输出改进将多维复杂关联性统一于大坝变形动态建模框架中。以西南地区某混凝土坝工程多测点变形监测数据为例,通过多模型性能对比仿真实验对所提方法的有效性和准确性进行了验证评估。结果表明,与常规模型相比,集成多维复杂关联性的大坝变形动态监控模型的预测性能尤佳,以期为大坝变形安全预报提供一种新型建模方法。     

筑坝堆石料抗剪强度间接测定模型与实用计算公式研究

筑坝堆石料的质量是堆石坝快速施工和安全运行的基础,坝料分区填筑前须进行大量堆石料物理力学性能基础试验,抗剪强度便是其中的一个关键指标。为提高积累数据利用率和节约试验成本,本文依托室内大型试验数据库和数据驱动方法,提出一种筑坝堆石料抗剪强度间接测定数学模型及其实用计算公式。首先收集源自世界各地的典型堆石料剪切试验资料,通过相关性分析和综合性成本型指标选取公式自变量;进而利用进化算法优化神经网络连接权重和阈值,结合hold-out泛化验证,构建最优多元非线性回归模型;最后根据神经网络理论提取回归模型关键参数,经推导得到堆石料抗剪强度计算公式,同时考虑工程应用特性,结合Garson算法建立一种兼具准确性和鲁棒性的公式简化应用方法。将上述模型方法应用于实际工程,结果表明所提公式对堆石料抗剪强度的推算准确率达到90%以上,可为筑坝堆石料抗剪强度测定提供一种有效辅助手段,从而减少部分重复性测试工作。     

多目标约束下的土石坝抗液化措施数值建模与优化分析方法

土石坝坝基地震液化问题严重威胁工程安全。现阶段的液化研究主要集中于液化机理分析,而在抗液化措施的设计优化方面,现有土石坝工程主要依靠以往的工程经验来处理坝址的液化土层。本文构建了以土石坝坝体坡面水平位移梯度、坝顶震陷和抗液化措施成本最小化为优化目标的数学模型,提出了以静动力抗滑稳定安全系数、地基最大液化范围、液化深度、典型点地震过程中平均液化度和震后永久水平位移为约束条件的土石坝压重平台和坝基置换参数优化设计方法;采用完全非线性动力算法和多目标遗传算法,通过VC++集成FLAC3D进行开发,实现了综合考虑土石坝抗液化措施的安全性能与经济效益的多目标优化设计。该方法应用于工程实例中,采用存档微遗传算法对压重平台及地基开挖置换的9个控制性设计参数进行优化。结果表明,优化后的方案相较初始方案使上下游坝体坡面水平位移梯度指标降低了16.59%和24.33%,坝顶震陷减少了21.03%,工程造价节约了18.53%。所提出的模型与方法为改善土石坝坝基液化问题提供了新的思路。     

贝叶斯框架下的大坝变形交互式时变预测模型及其验证

<正>大坝变形是同一时刻内外多重风险因素综合作用的结果,应用时序分析方法挖掘历史监测数据潜在规律是变形预测的常用方法,现有时变预测模型不仅参数配置难度高,且难以融入专业知识,导致预测效果并不理想。本文提出一种耦合自动预测算法与大坝专业知识的交互式变形预测模型。该模型在贝叶斯框架下,以加法模型为基础     

贝叶斯框架下的大坝变形交互式时变预测模型及其验证

大坝变形是同一时刻内外多重风险因素综合作用的结果,应用时序分析方法挖掘历史监测数据潜在规律是变形预测的常用方法,现有时变预测模型不仅参数配置难度高,且难以融入专业知识,导致预测效果并不理想。本文提出一种耦合自动预测算法与大坝专业知识的交互式变形预测模型。该模型在贝叶斯框架下,以加法模型为基础重构各时序分解项作为模型底层,根据仿真结果甄选模型参数缺省值进行自动预测,通过结合参数化检测与直观参数配置实现交互式建模,并借助拟合可视化和统计指标准确反映预测误差来源,从而进一步修正参数以提高模型适用性。基于上述流程协同构建的大坝变形循环预测体系,以某混凝土坝多测点长期变形监测数据为例,对模型的准确性、鲁棒性和灵活性进行了有效验证与分析,为大坝变形安全预测与分析提供了新的模型和手段。     

水工建筑物安全监控深度分析模型及其优化研究

随着水工建筑物安全管理自动化技术的发展,以丰富性、多样性、复杂性为特点的大数据逐渐成为水工建筑物安全监控体系的显著特征.常用安全监控数学模型(三大常规模型、浅层学习算法)难以从大量数据中自动提取深层次潜在信息,即浅层模型与大数据挖掘分析不相适应.深度学习算法由多重非线性映射层构成,能够逐层学习输入数据本质特征并完成高级...