MF-DMA方法在某双曲拱坝变形监测中的应用

为更好地分析大坝变形序列的波动特征,采用滑动平均拟合代替多项式拟合对多重分形消除趋势波动法进行修改,将修改后的多重分形消除趋势滑动平均算法用于某双曲拱坝的变形分析中。结果表明,该大坝变形具有多重分形特征,其多重分形强度与大坝各坝段运行机理有关,多重分形消除趋势滑动平均算法可从整体和局部上评价大坝的工作性态,目前大坝运行良好,整体处于粘弹性工作状态。研究成果进一步丰富了大坝变形监测的内容。     

SVM-RBFNN组合模型在某混凝土双曲拱坝变形监测中的应用

大坝变形监测数据由于受水位、温度、时效等因素的影响,是一个非线性、非平稳的时间序列。考虑到支持向量机模型(SVM)对小样本、非线性问题有很好的预测效果,采用SVM模型刻画样本数据的趋势性信息;同时运用径向基函数神经网络(RBFNN)对残差序列进行分析和预测,并将时间序列的趋势项和误差项线性叠加,组成SVM-RBFNN组合预测模型。实例应用表明,SVM-RBFNN组合模型精度高于SVM模型,具有一定的实用性。     

燕山水库大坝三维变形监测方法研究

针对常规的土石坝表面变形监测方法速度慢、工作量大及监测信息无法与自动化系统实时共享等缺陷,在燕山水库大坝中采用高精度自动全站仪观测大坝变形,系统分析了折光系数并提出了大气折光修正模型.实例结果表明,该模型对三角高程测值的修正及竖向位移测量能较好地满足大坝安全监测的精度要求,可为研究及开发土石坝三维自动监测技术提供借鉴.     

安全监测在大型地下洞室围岩变形中的应用

为了保证大型地下洞室施工期安全,以安全监测为主要手段了解围岩状态,为围岩稳定性评价提供依据.本文以乌东德水电站右岸主厂房7~8号机组段上游边墙变形为研究对象,基于安全监测成果,结合地质及施工等对围岩变形进行分析,利用结论采取相应工程措施,并对措施实施后的效果进行评价.主要结论为:右岸主厂房7~8号机组段上游边墙变形主要发生在第Ⅵ层与下方L3施工支洞贯通开挖期间,爆破开挖导致陡倾顺层岩体切脚,产生向临空面顺层滑移;基于安全监测成果进行措施前后对比分析,措施后围岩变形及应力应变变化速率明显减小,实践证明工程措施有效控制了围岩变形,截至目前,该部位围岩稳定;安全监测成果的应用,有效指导了工程施工,为围岩稳定性评价提供了依据,在大型地下洞室开挖中发挥了重要的应用价值.     

全站仪在岸边集装箱卸船机检验中的应用

集装箱运输具有安全、高效、经济、快捷，能降低货损，因而它成为世界各国货物运输方式改革的总趋势。岸边集装箱卸船机是大型起重机械，是港口提高集装箱吞吐量的重要装卸设备。岸边集装箱卸船机的检验工作十分重要，不仅检验的项目多，而且有自身的特点，检验方法有别于一般的桥架型起重机。以上拱度和下挠度为例，随着超巴拿马型装卸桥的应用，由于工作幅度大，主梁上需要测试的点位多，采取普通的测量方法难以满足检验要求。     

观测值改正在变形监测中的取舍

从观测值改正的原理、计算出发,论述了在变形监测中如何对各项观测值改正进行取舍,对变形监测具有较强的指导性、实用性。     

全站仪坐标测量在导线测量中的应用

介绍采用蔡司C 20全站仪直接测定控制点三维坐标进行导线测量的作业方法,突破了传统的导线测量模式,不需分别测边、测角及内业计算就可自动测定三维坐标并自动平差。该方法操作简便、自动计算检核、精度高,可在水电工程中推广应用。     

超高土石坝变形监测应用探讨

针对传统变形监测手段在超高土石坝变形监测中的适用性参差不齐的问题,通过介绍常用和新型变形监测布置、监测原理,归纳、梳理了相关关键技术及应用效果,整理和分析了不同监测技术手段在高土石坝监测应用过程中的适应性与缺陷,指出了监测应用过程中需关注的特点、重点和难点。传统监测手段存在叠加误差较大和应用便捷性差等缺陷,新型监测技术克服了这些缺陷,但成本控制、结构优化、长期稳定性等有待加强。对传统监测手段存在问题和新型监测技术应用优化建议进行了经验性总结,为后续监测技术的发展提供了思路和方向。     

PSO-RBF在大坝变形监测中的应用

针对传统径向基神经网络(RBF)在大坝安全监测应用中易陷入局部最优及预测精度不高的问题,引入粒子群算法(PSO),对输入的大坝安全监测数据进行初步的聚类处理,找出初步聚类中心后令其为PSO的初值,根据运算法则更新初值以寻求适合训练数据的最优基函数中心。以小湾大坝为例,应用Matlab仿真模拟计算了大坝变形量,结果表明PSO-RBF与传统RBF的拟合效果都很好,PSO-RBF预测准确度更高。     

ARIMA-MC组合模型在大坝变形安全监测中的应用

为及时了解大坝的安全状况,在坝体变形监测资料往往不平稳的基础上,建立了ARIMA预测模型,通过马尔科夫链预测了ARIMA模型的误差,从而修正了模型的预测值,建立了ARIMA-MC组合模型,并结合实测数据验证了此组合模型的有效性。结果表明,ARIMA-MC组合模型预测精度高,具有较好的实用性。     

多测点多方向BP网络模型在大坝变形监测中的应用

鉴于大坝变形监测资料分析是大坝结构性态安全评价与预报的重要手段,针对单测点模型存在的缺点,建立了既考虑坝体不同方向的位移又考虑空间多个测点分布的多测点多方向位移模型,并利用BP神经网络较强的非线性映射能力,直接选取了对大坝变形有较大影响的自变量因子,解决了在建立大坝多测点多方向传统模型时自变量因子数众多、计算工作量大等问题。实例应用结果表明,多测点多方向BP网络模型可反映大坝变形的分布及变化规律,可见采用BP神经网络建立大坝多测点多方向变形监测模型具有可行性和有效性。     

基于全球导航卫星系统的堤防变形监测系统及应用

为实时监控堤防变形,实现数据采集、数据传输、数据处理、分析预警和综合管理等功能,介绍了全球导航卫星系统(GNSS)定位原理及系统构成,以广东省郁南大堤堤防工程为例,设计了GNSS变形监测系统,并分析探讨了各功能的实现方式。     

ABC BP模型在混凝土双曲拱坝变形监控中的应用

因大坝变形具有很强的非线性、随机性,致使预测困难,将人工蜂群算法(ABC)与BP神经网络相结合,利用人工蜂群算法具有强全局优化能力、强鲁棒性等优点,克服BP神经网络收敛速度慢、易陷入局部极小点等缺点,建立ABC BP、BP神经网络大坝变形预测模型对小湾大坝变形监测数据进行预测。结果表明,与单纯的BP神经网络预测模型相比,ABC BP算法提高了大坝变形预报的精度,加快了网络的收敛速度,能更高效准确地进行大坝变形监控预报。     

基于动态SVM-MC的大坝变形监测模型及应用

为了提高大坝监测模型的泛化能力和残差辨识的精确性,将支持向量机模型(SVM)和马尔科夫链模型(MC)相结合,建立了SVM-MC大坝变形监测模型,利用马尔科夫链模型处理SVM模型的残差,在进行预测时,采用动态更新模型的方法,即动态SVM-MC模型,并通过实例应用做了比较。结果表明,动态SVM-MC模型提高了预测的精度和泛化能力,可用于复杂大坝的安全建模。