基于GA-PSO混合优化BP的面板堆石坝爆破料压实质量评价

碾压质量评价是大坝智慧化施工的关键技术之一，对坝体安全稳定性具有重要影响，而目前对其评价模型和方法尚未达成一致认识。以新疆阿尔塔什面板堆石坝为依托工程，结合现场填筑碾压监测数据和试坑检测试验数据，提出基于遗传算法和粒子群算法混合优化的BP神经网络算法(GA-PSO-BP)的爆破料压实质量评价模型。通过与BP、GA-BP、PSO-BP 3种预测模型进行对比分析，证明该模型的精度和优越性。结果表明：提出的基于GA-PSO-BP模型收敛速度更快、性能更好，且基于GA-PSO混合优化后的BP神经网络爆破料压实质量评价模型精度相对较高，可用于与新疆阿尔塔什混凝土面板堆石坝类似工况的压实质量评价。     

基于施工全过程参数的堆石坝掺砾土心墙压实质量实时评价

料源参数和施工参数是影响掺砾土心墙压实质量的重要因素。针对当前研究中料源参数被局限于掺砾土,且施工参数考虑不全面,缺乏掺拌参数,不能客观实时评价仓面压实质量的问题,提出了一种基于双向极限学习机(Bidirectional extreme learning machine, B-ELM)算法,综合考虑施工全过程参数的掺砾土心墙压实质量实时评价模型。研究模型将掺砾土心墙碾压填筑施工过程中土料参数、石料参数等料源参数,掺拌参数、碾压参数等施工参数和气象参数作为模型的输入参数,采用B-ELM算法构建压实质量实时评价模型,将该模型嵌入堆石坝碾压施工质量实时监控系统中,可以实现压实质量的实时评价。结合西南某在建的掺砾土心墙堆石坝,采用本文提出的压实质量实时评价模型,实现了对碾压施工单元压实质量的实时评价。此外,将该模型与基于掺砾土料源参数的压实质量评价模型进行对比,结果表明,二者在精度上具有一致性,该模型在鲁棒性上具有优越性,并且可以实现压实质量的实时评价;与现场实测压实度比较分析,该模型对压实度评价更为准确和稳定。研究成果可为碾压堆石坝施工技术和设计工作提供参考。     

基于自适应搜索权重的滑坡位移组合预测

通过建立基于自适应搜索权重的滑坡位移组合预测模型,对滑坡位移进行预测,提高了预测精度。以三峡库区店子湾滑坡为例,对GPS监测累积水平位移进行预测,同时构建平方和误差(SSE)、平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)和均方百分比误差(MSPE)等5个评价指标进行全方位评价。计算结果可知,该模型预测的平均绝对误差(MAE)为3.354 6,均方误差(MSE)为1.254 1,平均绝对百分比误差(MAPE)为5.53%,均方百分比误差(MSPE)为2.07%,全面优于单预测方法,取得较好的效果。     

基于径向基网络模型的面板堆石坝坝顶沉降量预测

随着国家在水利基础建设方面的大力投入以及面板堆石坝自身的优越性,近几年该坝型逐步向超高坝型发展,同时坝体变形的预测也面临着诸多困难。本文提出了一种基于径向基(RBF)网络的面板堆石坝的变形预测模型。该模型充分利用了径向基网络的非线性映射能力,利用收集的历史样本信息,即可预测出面板堆石坝沉降。以水布垭面板堆石坝为例,预测得到的竣工期和满蓄5年后的沉降位移分别为2.156m和2.491m,与实测位移基本一致,相对误差分别为0.748%和0.400%。结果表明预测位移在设计允许范围之内,RBF网络模型具有建模速度快、预测精度高的特点。     

公伯峡混凝土面板堆石坝位移反演分析

采用基于综合应用人工神经网络和演化算法的位移反演分析方法，对在建的公伯峡面板堆石坝坝体沉降变形的现场观测结果进行了反演分析，并通过与坝料室内试验和现场载荷试验结果对比，讨论分析了4种主要坝料在现场条件下的变形特性、分析结果表明，公伯峡面板堆石坝坝料现场的填筑质量较好，主要坝料的变形模量均大于相应由试验室试验得到的模量值．3BⅡ砂砾石料在现场碾压条件下可获得较高的变形模量值，是一种优良的筑坝材料．     

天生桥面板堆石坝实测变形的三维反馈分析

本文根据天生桥面板堆石坝施工期及初次高水位蓄水后的实测变形资料，采用清华非线性解耦K-G模型，进行大坝整体的三维有限元反馈分析。分析结果与实测结果基本相符。反馈分析结果给出了坝料实际的力学性质（模型参数）,揭示了分区分期填筑的高面板堆石坝的复杂变形性状；文中提出对高坝下游填筑料（即IIIC区料）的坚实性应有较高的要求。特别要注意对坝体的施工临时剖面进行优化设计，以控制堆石体的差异变形、防止面板下垫层料出现裂缝及脱空等问题。     

基于FOA-RF算法的心墙砾石土压实质量预测模型

针对随机森林(RF)算法预测心墙砾石土压实质量存在决策树数量选取缺乏深入研究和忽视P0.075质量分数对压实质量影响的问题,提出了一种基于果蝇优化(FOA)算法的随机森林算法(FOA-RF算法),并构建了基于FOA-RF算法的心墙砾石土压实质量预测模型(FOA-RF模型)。该模型一方面通过对料源参数和干密度进行相关性分析,新增了P0.075质量分数作为模型的输入参数;另一方面利用FOA算法对随机森林进行优化,解决了RF算法难以取得决策树数量最优解、没有同时考虑决策树数量与随机特征数影响的问题。以西南某在建砾石土心墙堆石坝工程为例,分别应用基于传统RF、BP神经网络、多元线性回归的预测模型和FOA-RF模型进行压实质量预测。结果表明,FOA-RF模型在预测精度上具有优越性,并基于该模型开发压实质量预测模块,将该模块嵌入碾压质量实时监控系统中可实现压实质量的实时预测。     

高混凝土面板堆石坝坝体填筑碾压参数的拟定

合理拟定高混凝土面板堆石坝坝体填筑碾压的压实功能、铺料厚度、碾压遍数、洒水量、铺料方法等参数，是提高体压实密度的有效措施，此又是保证坝体施工质量最基本的质量控制指标。     

基于碾压波速的堆石坝压实质量实时监测指标的研究

已有的连续压实质量评价指标在评估堆石坝料的压实质量时仍存在评价精度低、表征压实效果复杂以及结果易受压实材料属性影响等缺点.为给堆石坝施工质量的连续控制提供有效指标,本文采用数据延拓式相关的相位差求解方法来间接获取碾压波速(VR),提出了以实时监测的VR作为堆石坝料压实状态的表征指标.从定性分析角度考虑碾压参数对VR的影...     

基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究

引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝(CFRD)的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归(GPR),建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明：Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差(RMSE)由0.928 7 mm减小至0.457 7 mm,平均绝对误差(MAE)由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wa...     

混凝土面板堆石坝跨尺度有限单元模拟技术的开发与应用

混凝土面板的薄板结构特性以及计算成本的控制需要，导致面板模拟精度相比面板复杂的工作条件、结构重要性而言过于粗糙，严重影响数值模拟计算的可靠性。【目的】为了实现面板的精细化模拟，【方法】通过在面板堆石坝的有限元计算中引入六面体任意节点单元，开发了一种混凝土面板堆石坝跨尺度有限元模拟技术，采用该技术对某面板堆石坝进行数值模拟，并与常规有限元模拟结果进行对比。【结果】结果显示，采用跨尺度精细化模拟技术，面板拉、压应力均有显著增大趋势，其中水平向压应力和顺坡向拉、压应力的增幅分别达到10%、40%和70%左右，两岸局部水平向拉应力甚至出现8倍以上增幅；沿面板厚度方向应力、变形也显示出压应力向表层发展、拉应力及结构缝张开度向底部发展的现象，尤其是顺坡向拉应力，表层、底层拉应力比值超过2.0;计算结果与面板堆石坝实际运行表现相互吻合。【结论】对比研究表明，跨尺度模拟技术不仅可以精细地反映单块面板的应力变化、接缝位移变化，而且可以反映面板变形与应力沿厚度方向的变化规律，为复杂面板堆石坝结构设计提供了更加可靠的依据。该技术计算效率、模拟精度高，具有很大的推广应用价值。     

基于碾压机做功的堆石坝压实质量实时监测与快速评估

引入了反映碾压机做功的坝料单位体积压实功（E）和碾轮振动加速度谐波失真量（THD0）作为堆石坝压实质量的实时监测指标，研制开发了堆石坝压实质量实时监测系统用于实现碾压过程中上述两个指标的采集。提出了结合E、THD0与坝料料性参数的堆石坝料全仓面压实质量快速评估方法，不仅可避免试坑法抽检样本的有限性，而且可有效克服碾压过程参数不能直接反映坝料压实状态，及基于碾轮性态分析的监控指标易于错误表征坝料坚硬程度等弊端，实现了堆石坝料压实质量的快速准确评估与及时反馈控制。     

碾压式堆石坝坝体料压实标准研究

分析碾压式堆石坝堆石料压实过程中堆石性质、级配、施工机械、铺筑厚度、压实遍数、加水量、气候条件等对压实的影响 .对工程中采用孔隙率作为堆石料的压实标准进行讨论 ,认为堆石料的压实与级配、小于 5mm的细粒含量、压实功能和加水有关 ,同时分析了软岩、砂砾料等其它坝体料的压实影响因素 ,对用相对密实度作为砂砾料的压实标准进行了讨论 .     

基于FFB-LSTM的供水计量区超短时水量预测方法研究

为实时监测管网运行状态、及时捕捉管线漏损，需开展供水计量区的超短时需水量预测。然而，供水区域和时间粒度的减小均会带来需水量数据波动性的增加，导致预测难度增大。在此背景下，以多维度水量融合提高信息利用度为学术思想，以长短时记忆神经网络(LSTM)为实现手段，提出基于多维度水量融合的LSTM预测算法(FFB-LSTM),预测我国南方某真实独立计量区的超短时需水量。与传统LSTM、ANN模型对比，结果表明，所提出的FFB-LSTM在MAPE、MSE、MAE三个指标上均优于传统模型，能够高精度的预测计量区超短时需水量，为供水行业计量区的超短时需水量预测工作提供了有效范例。     

趾板置于覆盖层的那兰水电站面板砂砾石坝设计研究

那兰水电站面板堆石坝为我国第一座将趾板置于河床覆盖层上的百米级高坝，坝体筑坝材料大部分采用砂砾料。设计中针对覆盖层及筑坝砂砾料的工程性质进行了深入研究，对趾板与地基的连接形式进行了多方案比较论证，解决了覆盖层上建面板坝的关键技术，并经实践检验，效果良好。     

原级配现场相对密度试验在高面板坝施工中的应用研究

新疆阿尔塔什大坝主堆石区砂砾料填筑设计文件要求压实后相对密度控制为不小于0.90,为保证工程施工质量、保障大坝安全运行,相对密度标准试验突破室内振动台法标准试验方法,采用现场大型原型级配试验方法进行试验,相对密度控制最大干密度、最小干密度值指标比室内振动台法试验提高了约0.1 g/cm~3,对坝体安全更加有利,为创造砂砾石料混凝土面板堆石坝优质工程奠定了基础。     

湿化及流变对不同软岩料利用范围面板坝应力变形的影响

为研究不同软岩料分区范围下湿化及流变特性对面板堆石坝的应力及变形影响。查找、对比软岩料的湿化及流变模型,分析和研究已有的软岩料湿化及流变特性的有限元实现方法。以某面板堆石坝为例,按软岩料的不同填筑范围制定两种计算方案,分别进行大坝的三维有限元应力变形计算,然后通过对比分析两种计算方案的计算结果,系统总结软岩料不同填筑范围对面板堆石坝应力变形的影响规律。结果表明:随着软岩料利用范围的扩大,坝体的流变范围也随之扩大,相应的垂直位移、水平位移位移及面板的挠度也随之增大。因此,在实际面板砂砾石坝工程设计中,进行软岩料的扩大利用时需要合理的制定软岩料填筑范围。     

面板堆石坝挤压边墙垫层料同步施工机械研究

面板堆石坝边墙挤压和垫层料摊铺碾压施工存在工序、时间与空间的干扰以及碾压质量不易保障的问题。阐述了所设计研发的边墙挤压和垫层摊铺碾压同步施工机械装置,介绍了所进行的现场试验段施工,结合灌水法及超声波成像进行了碾压压实度和边墙垫层料结合效果评价,结果表明:该施工机械的运用提高了施工效率,加快了施工进度,垫层料压实度满足质量控制要求,边墙与垫层料交界处结合良好。     

基于BR-BP神经网络的高液限黏土改性剂掺量预估方法

【目的】为预测在不同湿度、温度、初始含水率环境下高液限黏土降水至稳定含水率所需的水泥和石灰改性剂掺量，【方法】以广西来都高速的高液限黏土为研究对象，结合室内湿法击实试验、液塑限试验及改进CBR试验，设计考虑初始含水率、改性剂掺量、温度、湿度4因素5水平的正交试验对稳定含水率的影响，基于贝叶斯正则化(BR)算法的改进BP神经网络，建立了考虑多因素的高液限黏土改性剂掺量预估模型，将该模型与传统人工神经网络的预测结果进行比较，并采用现场试验验证了该模型预测结果的可靠性。【结果】结果显示：以湿法最佳含水率21%作为降水目标值是可行的，所提出基于改进BP神经网络的改性剂掺量预估模型较传统的人工神经网络预测结果更为精确。【结论】结果表明：通过该方法预测施工现场不同工况下所需石灰、水泥掺量，现场焖料后含水率和模型计算的稳定含水率均低于21%,石灰、水泥改性土填筑碾压后路堤压实度均可达到94%以上。研究成果对于高液限黏土改性剂掺量预测及路堤填筑技术具有借鉴意义。     

尼尔基水利枢纽砂砾料的压实性能及施工方法

尼尔基水利枢纽主坝、左右副坝是以砂砾料为主填筑的.文章介绍在砂砾料场进行现场碾压试验.根据现场压实试验结果,论述本工程砂砾料的压实性能及其与压实机械、铺料厚度和碾压遍数等的关系,并对施工方法和质量控制提出建议.