【摘 要】
：
土石坝坝体渗流对上游水位等环境量具有滞后效应,在确定坝体浸润线和建立渗流监测数学模型时必须充分考虑这种滞后效应的影响,目前主要通过定性分析来估算滞后时间.基于信息学原理,将上游水位视作信息源,将坝体渗压测点视作信息作用点,利用信息熵理论中互信息有向信息传递指数DITI概念,构造土石坝上游水位与坝体渗压水位之间的信息传递模型,采用最大信息传递量作为判定准则,确定坝体渗压水位对上游水位的滞后时间.工程
【机 构】
：
武汉大学水利水电学院,湖北武汉430072;武汉大学水资源与水电工程科学国家重点实验室,湖北武汉430072
【出 处】
：
2016年全国大坝安全监测技术与应用学术交流会
论文部分内容阅读
土石坝坝体渗流对上游水位等环境量具有滞后效应,在确定坝体浸润线和建立渗流监测数学模型时必须充分考虑这种滞后效应的影响,目前主要通过定性分析来估算滞后时间.基于信息学原理,将上游水位视作信息源,将坝体渗压测点视作信息作用点,利用信息熵理论中互信息有向信息传递指数DITI概念,构造土石坝上游水位与坝体渗压水位之间的信息传递模型,采用最大信息传递量作为判定准则,确定坝体渗压水位对上游水位的滞后时间.工程实例表明,基于延时互信息的土石坝渗流滞后性分析方法是合理可行的,为定量分析土石坝滞后效应提供了一条有效的新途径.
其他文献
对藏木大坝监测坝段温度计观测资料进行了处理与分析,对于了解大坝施工期温度场、检验大坝温控计算成果、反馈分析大坝温度参数具有一定的指导意义.本文结合导流底孔下闸蓄水前的温度计监测资料对坝体温度进行了时、空分析.综合分析认为藏木大坝温度场尚处于未稳定状态.
拱坝变形综合体现了拱坝材料力学形态、坝体结构状态及整体性,是目前能说明大坝实际状况的代表性指标.然而高拱坝的施工周期长,变形监测系统都是晚于施工安装的,有时高高程的变形监测系统是蓄水到一定高程后安装的,丢失了此前由施工影响和蓄水引起的变形值,给拱坝运行状态分析评价带来了困难.针对此问题,本文运用有限元及反分析理论,考虑库水位、自重荷载、温度荷载和时效作用,提出了拟定高拱坝变形初始值的方法,并应用于
在《水库大坝安全评价导则》的基础上用TOPSIS方法修正基础权重,得到最优常权,再使用均衡函数的变权公式建立模糊综合评价模型,评价混凝土坝的结构安全状况.考虑了多个因素对大坝结构安全的影响,以及各种影响因素的不确定性和模糊性,同时考虑了在变权过程中指标取值的不同对评价结果的影响程度.实例表明,考虑权重随评估值变化使权重的确定更加科学合理,本文提出的方法不仅克服了权重确定上专家评分的基础权重的主观性
坝基渗流特性主要由岩体风化程度和岩体结构面特性决定,而岩体结构面中的断层的强非均匀性和强各向异性,使坝基渗流的特性大为复杂化.为此,本文通过对坝基断层面几何形态的分形模拟和开度分布模拟,构造了断层面分形几何形态,并提出了基于分形理论的坝基断层面渗流特性有限元数值模拟方法,据此研究了坝基断层面渗流特性.基于分形理论的坝基断层面渗流特性的数值模拟表明:考虑分形特性的坝基断层渗流性态分析能更好的反映断层
针对传统大坝变形监控模型构建方法的不足,组合应用人工蜂群(ABC)算法与BP神经网络技术,并对其给予改进的基础上,开展了基于人工蜂群与神经网络的大坝变形监控模型建模原理、实现方法以及工程算例分析研究.通过引进自适应比例和平均欧式距离,克服标准人工蜂群算法易陷入局部最优的缺点;利用改进后的人工蜂群算法,对BP神经网络的初始权值与阈值进行寻优.算例分析表明,将改进后的人工蜂群算法与BP神经网络技术相结
在大坝监控过程中,大坝变形的实测值是一个非线性且非平稳的时间序列,由于支持向量机(SVM)适用于解决小样本、非线性问题,本文在SVM的基础上建立大坝变形监控模型,并进行改进,利用ARIMA模型在解决非平稳时间序列问题中的优势,对SVM模型的残差进行处理,并采用粒子群算法(PSO)算法优化支持向量机(SVM)中的核函数.实例分析表明优化后的组合模型预测结果可信,且精度较SVM模型有所提高.
针对基于统计的大坝安全监测预报模型中,多效应量间和多影响因子间都存在互相关性,且效应量与影响因子又呈现出复杂的非线性动力系统特征,从而导致预报模型可信度降低的问题,提出了优化方案,首先对多效应量和多影响因子采用基于主成分提取的相关性分析,实现去相关性和空间降维,并按关联性次序将变换后的正交基作为模型输入因子,建立改进的BP神经网络回归,利用人工粒子群算法搜索网络的最优参数,从而获得预报模型.经与逐
支持向量机的核函数选择对大坝监控模型的预测精度具有较大影响,基于支持向量机结构风险最小化理论以及小波框架理论,提出用小波核函数代替高斯径向基核函数(RBF)的方法,并采用粒子群算法对支持向量机的参数进行寻优,得到一种新的大坝变形预测模型.通过实例,将结果与采用RBF核函数的支持向量机模型以及统计回归模型做对比,结果显示采用小波核函数的支持向量机精度更高,泛化能力更强.
大坝变形监测设施所获得监测数据序列受噪声污染并呈强非线性以及混沌特性.为对其进行预测分析,需对监测数据进行去噪去理,并选用泛化能力强、非线性预测效果好的模型.基于此,提出一种基于相空间重构的小波支持向量机(简称W-PSVM)模型.该模型利用小波分析的时频分析、多分辨率分析等优点,先对序列进行时频分解,将非平稳的变形序列变为多个不同分辨率下的平稳子序列,并对各高频子序列进行阈值去噪处理;根据混沌相空
大坝工作性态影响因素众多、属性的特征多样、相互关系复杂,对其安全状况的综合评估是一个典型的不确定性问题.充分考虑大坝安全评估过程中的模糊性和随机性,组合应用云模型和D-S证据理论开展了大坝安全多指标综合评估方法研究.依据大坝安全评估多指标体系和安全等级划分标准,借助云模型实现D-S证据理论中基本概率赋值的确定,进而基于D-S证据理论并加以改进,构建了大坝安全综合评估模型,提出了相应的综合评估实现方