古田溪四级大坝坝基扬压水位异常成因分析

古田溪四级大坝坝基渗1号测压孔扬压水位存在着变化过程骤升和骤降、部分时期扬压水位明显偏高等异常现象,通过建立渗1号测压孔扬压水位统计模型,分析了扬压水位与上游水位之间的相关关系以及6号坝段坝基扬压力横向分布状态,研究了渗1号测压孔扬压水位异常的可能成因,评价了6号坝段坝基防渗帷幕的工作状态.     

基于EEMD-RVM的土石坝渗流量时间序列预测模型

为避免常规时间序列模型因不考虑非线性环境量而出现过拟合及预测精度不高的现象,建立了基于EEMD-RVM的土石坝渗流量时间序列预测模型.该模型采用集成经验模态分解法(EEMD)对量水堰渗流量监测值进行分解,生成多组平稳本征模态函数(IMF)及剩余分量R,然后采用相关向量机(RVM)对若干组IMF序列和R进行训练拟合及预测...     

基于关联规则的土石坝渗流推理预测方法及应用

将关联规则算法引入到土石坝渗流的预测中,并建立预测模型。首先将渗流量和上游水位、降雨量、下游水位等组成事务组,利用K-means算法对实测数据进行预处理,然后通过Apriori算法进行频繁项集的挖掘,产生强关联规则,最后将强关联规则用于渗流量的预测。本模型可以较好的解释影响渗流变化的内在原因,将本预测模型应用于某土石坝工程中,结果表明该模型具有较好的精度。     

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。     

基于splice-LSTM的多因素西江水位预测模型研究

准确的水位和水量等水文时间序列预测是水资源管理的重要依据。受上游支流流量、水位等因素影响，传统的单因素水位预测模型不能有效考虑众多因素，水位预测精度面临严峻挑战。以典型西江干线梧州站水位精准预测为研究对象，建立了基于splice-LSTM的多因素水位预测模型，采用拼接的长短期记忆网络(LSTM)和全连接线性模型(Linear),对2020～2021年西江干线多站点的流量数据进行分析，预测梧州站点的水位。研究结果表明：(1)由于splice-LSTM中引入了非线性层，提高了近期历史输入数据的权重，使得模型预测值更加接近历史真实值，降低了预测误差，Linear部分可以提高模型对于线性成分的敏感性，使得模型在水位峰值处的预测更加准确；(2) splice-LSTM模型与传统单因素的ARIMA模型、LSTM模型相比，在水位预测方面准确度分别提升14.4%,10.1%。研究成果可为西江船闸运行调度中心精准预调度船舶提供参考。     

NARX在土石坝渗流预测中的应用

渗流监测是掌握大坝安全性态的重要手段,针对土石坝渗流压力存在滞后于库水位的特点,引入具有延时输入特性的带外源输入的非线性自回归神经网络(Nonlinear Auto-regressive with Exogenous inputs neural network, NARX)实现土石坝渗压的有效预测。以某一水库大坝为例,将历史某时段的库水位和降雨等影响因子作为输入序列,渗压测值作为输出序列,分别建立NARX网络多因子和单因子模型进行拟合训练和多步预测,并将预测结果与传统回归模型和传统BP神经网络进行对比。研究结果表明,在RMSE、MAE、MAPE 3种精度指标下,NARX模型均优于2种传统模型。其中,在单因子条件下,NARX仍具有良好的表现。NARX的延迟输入特性可在一定程度上模拟坝体水流渗透的滞后性,对于土石坝的渗压预测具有良好的应用效果。     

基于小波变换去噪的ARMA堤坝水平位移预测模型

堤坝位移监测数据可以被视为非平稳时间序列,但是因为受到诸多因素的影响,位移的测值常含有随机误差。在传统时间序列预测方法的基础上,提出了基于小波变换去噪的时间序列预测方法。基本步骤是:采用小波分解与重构法去噪,将信号分解到不同的频带上,再直接提取有用信号的频带进行重构,减小测值中的随机误差;进一步对去噪后不平稳的位移时间序列差分建立预测模型。工程实例计算分析表明,基于小波去噪所建立的模型位移预测结果要明显优于传统的模型位移预测结果,可以用于短期内堤坝水平位移预测中。     

小波神经网络模型在河道流量水位预测中的应用

鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极值等缺点,提出小波神经网络河道流量水位预测模型,以盘龙河天保站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建传统BP、GA-BP神经网络河道流量水位预测模型作为对比预测模型。结果表明:小波神经网络结合了神经网络与小波分解在函数逼近上的优点,其预测精度高于传统BP和GA-BP网络模型,表明小波神经网络用于河道流量水位预测是合理可行和有效的,可为水文预测预报提供新的途径和方法。且小波神经网络模型具有计算简便、逼近能力强、收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。     

RF机器学习算法在边坡渗压预测中的应用研究

为准确反映边坡渗压与影响因素之间复杂的非线性关系,提高渗压预测的精度及稳定性,将随机森林(random forest,RF)算法引入到边坡渗压预测中。通过分析影响边坡渗压的主要因素,选取水位因子、降雨因子、时效因子作为模型输入变量,分析袋外(out-ofbag,OOB)数据误差,确定参数的最优组合,构建一种基于RF算法的边坡渗压预测模型。对某渠道边坡的渗压实测数据进行分析预测,并与BP神经网络(back propagation neural network,BPNN)模型及逐步回归模型进行对比。结果表明,所建RF模型精度高,稳定性好,能够更有效地进行渗压预测。     

用"探索性数据"分析优选预测模型的研究

 为了从三峡工程大量安全监测数据中,找出内在变化规律,建立一个能客观预测键建筑部位变形及应力、应变情况的数学模型,采用"探索性数据"分析法即类比优选法对预测模型的构建进行了研究。以三峡二期上游围堰第一道防渗墙为例,用多元回归、灰色模型、时间序列统计方法构造了3种预测模型,通过对预测模型的计算值及实测值进行对比分析,可以看出：多元非线性回归模型的残差较小,计算结果的拟合程度及模型反映的规律性均较好;时间序列模型次之;灰色模型的拟合程度及残差均偏离较大。实测数据检验表明,回归模型预测效果较好,其测值在预报范围内的可能性为95%,为此,选定多元非线性回归模型为预测模型。     

库水位骤降条件下均质土石坝渗流稳定分析

本文基于Van Genuchten非饱和渗流模型综合分析了土石坝饱和一非饱和渗流,以工程实际为例,研究了水位骤降工况下土石坝渗流稳定问题.结果表明:库水位骤降工况下,上游水位的变化对坝体渗流量的影响较大;库水位急剧降落易使浸润线形成逆向渗流形态,并造成土石坝坝坡稳定性的降低,但是当孔隙水压力消散时间足够长时,上游坝坡稳定性有一定程度的提高.     

基于PCA和CS-KELM的重力坝变形预测模型

重力坝的变形与环境量之间存在复杂的非线性关系、使变形预测模型的输入自变量具有高维性,在一定程度上影响预测模型的精度和泛化能力。因此,提出一种将主成分分析、布谷鸟搜索算法和核极限学习机网络相结合的变形预测模型。该模型通过主成分分析法对与变形相关的水位、温度、时效影响因子进行主成分信息提取,优化网络模型的变量输入,同时采用优化性能更好的布谷鸟搜索算法确定核极限学习机网络的核参数和正则化系数。利用某重力坝的实测资料,对坝体沿坝轴方向和上下游方向的变形位移进行预测,与多种模型预测结果进行对比,并采用不同量化指标进行评价。结果表明,所提模型在两个方向的变形预测中,确定性系数R2分别为0.943和0.931,均高于传统的神经网络和逐步回归模型;在不同测点的上下游方向变形预测中,预测的精度和模型的泛化能力均优于对比模型,从而验证了该模型的可行性和优势。     

综合考虑渗流滞后效应和库水位变化速率影响的 大坝渗流统计模型

以某大坝渗流量分析评价为例,通过引入库水位变化速率这一渗流影响因子,在对库水位变化速率及其对大坝渗流影响进行分析的基础上,研究了综合考虑渗流滞后效应和库水位变化速率影响的大坝渗流统计模型构建原理和方法,并通过与传统统计模型的对比分析,验证了文中方法的可行性和有效性     

Monitoring models for base flow effect and daily variation of dam seepage elements considering time lag effect

Affected by external environmental factors and evolution of dam performance, dam seepage behavior shows nonlinear time-varying characteristics. In this study, to predict and evaluate the long-term development trend and short-term fluctuation of the dam seepage behavior, two monitoring models were developed, one for the base flow effect and one for daily variation of dam seepage elements. In the first model, to avoid the influence of the time lag effect on the evaluation of seepage variation with the time effect component of seepage elements, the base values of the seepage element and the reservoir water level were extracted using the wavelet multi-resolution analysis method, and the time effect component was separated by the established base flow effect monitoring model. For the development of the daily variation monitoring model for dam seepage elements, all the previous factors, of which the measured time series prior to the dam seepage element monitoring time may have certain influence on the monitored results, were considered. Those factors that were positively correlated with the analyzed seepage element were initially considered to be the support vector machine (SVM) model input factors, and then the SVM kernel function-based sensitivity analysis was performed to optimize the input factor set and establish the optimized daily variation SVM model. The efficiency and rationality of the two models were verified by case studies of the water level of two piezometric tubes buried under the slope of a concrete gravity dam. Sensitivity analysis of the optimized SVM model shows that the influences of the daily variation of the upstream reservoir water level and rainfall on the daily variation of piezometric tube water level are processes subject to normal distribution.     

耿楼枢纽渗透安全稳定性分析

耿楼枢纽工作区内建筑物结构复杂,诸多因素存在不确定性,采用常规的工程手段很难对闸址区的渗流稳定性做出定量的评价。为此,选取几种不同的上下游水位差,利用大型非线性有限元软件ABAQUS分别建立3种工况下渗流稳定性分析的三维模型,通过不同工况下的闸址区渗流场的三维有限元模拟,对闸址区的渗流稳定性做出评价,从而指导工程施工及运营。     

A STUDY ON UNSTEADY SEEPAGE FLOW THROUGH DAM

A numerical model is proposed to simulate the unsteady seepage flow through dam,with both saturation and water head as variables to describe the seepage domain.Experiments of seepage flow through dam with unsteady conditions were conducted in laboratory to verify the reliability and the accuracy of the numerical model.The performance of the model is also assessed by comparing with analytical solutions.The examples show that the accuracy and the reliability of the model are adequate to handle seepage flow pr...     

东谷水库大坝渗流监测资料分析

根据东谷水库大坝渗流监测资料,定性分析了测压管水位变化过程、位势过程、渗漏量过程等.建立了测压管水位、渗漏量回归统计模型,定量分析了测压管水位的影响因素.结果表明,回归拟合效果较好,大坝浸润线趋于升高,渗漏量趋于减小,坝体整体渗透性降低,大坝渗流运行正常,分析结论可为东谷水库大坝渗流安全评价提供技术支持.     

强弱透水相间深厚覆盖层坝基的渗流分析

覆盖层深厚且为强弱透水互层的闸坝基础在我国西南部河流中很常见，防渗墙通常作为坝基渗流控制设施。渗流有限元计算中，该种坝基上下游覆盖层截断边界面位置及其边界条件的设置往往是影响结果的重要因素，对其确定方法的研究具有重要的实用意义。提出了渗流计算中采用缩尺单元方法分析坝基覆盖层截断面边界合理位置的方法。该方法只需要一个计算网格就可实现合理截断面边界位置的确定和正式的渗流计算分析。硬梁包水电站坝基为典型的强弱透水互层，其渗透系数差异达到了3个数量级。初步设计方案稳定渗流计算工况对渗流量基本不影响的上下游不透水截断边界面的位置离坝轴线远达40~80km。尽管河谷宽度与水位差之比高达16，该坝基相对不透水土层的局部缺失使渗流场有显著的三维特征。计算结果中防渗墙毗邻区域弱透水土层内的渗透坡降数倍于允许坡降，然而这些部位在防渗墙完整的前提下渗透破坏的风险却很小。渗透坡降的方向特征及渗透变形发生后的演化特征对渗透稳定风险评价是很重要的。