高寒地区水工隧洞安全施工及绿色建造若干问题研究

来源 :兰州交通大学 | 被引量 : 0次 | 上传用户:wanghongtao11
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着我国水利工程的大力发展,引水工程中的引水隧洞发挥着不可替代的作用,结合高寒地区特殊的地理位置、脆弱的生态环境、复杂的地域环境等因素,隧洞施工过程中的安全和绿色施工问题也被日益重视。本文以引大济湟工程某引水隧洞为工程实例,首先采用有限元软件MIDAS GTS NX对引水隧洞施工过程进行数值模拟,分析隧洞施工过程中洞室位移和初衬、钢拱架、锁脚锚杆应力变化规律;然后通过正交试验设计,建立以初衬厚度(A)、钢拱架间距(B)和开挖进尺(C)为影响因素的3水平3因素的9种试验工况,结合现场调研的每延米综合单价,利用极差法分析洞室位移、初衬应力和经济的影响因素主次关系,确定隧洞安全性和经济性的线性关系,得出经济对安全的影响程度,并采用灰色关联度理论,计算正交试验中9个试验工况的关联度,得出一个同时满足安全和经济的综合性优化方案;最后通过查阅规范及相关文献,遴选切合引水隧洞绿色施工的评价指标,建立出由6个一级指标和23个二级指标组成的综合性评价体系。得到的主要结果如下:(1)分析隧洞洞室位移、初衬应力、围岩应力、钢拱架及锁脚锚杆最大应力变化规律,结果显示:位移和应力的变化主要集中在第一个开挖循环,后续的开挖施工对其影响逐渐减弱,初衬和钢拱架及锁脚锚杆均未达到破坏极限,隧洞塑性区主要集中在边墙位置,边墙和底板塑性区形成贯通,塑性区开挖后最大,随着支护的施做逐渐减小。(2)隧洞洞室位移和经济成本的影响因素主次顺序皆为:CBA(开挖进尺、钢拱架间距和初衬厚度);初衬应力的影响因素主次顺序为:CAB(开挖进尺、初衬厚度和钢拱架间距)。(3)总成本和位移、应力和综合得分均呈负相关,总成本对拱顶和底板位移的影响最大,对应力的影响相当;钢拱架占比和位移、应力及综合得分除拱顶应力呈负相关外,其余均呈正相关,钢拱架占比对边墙和底板位移的影响较大,对应力的影响相当;开挖占比和位移、应力及综合得分均呈负相关,开挖占比对边墙位移的影响最大,对拱脚应力的影响最大。综合比较分析得出经济成本对位移的影响要大于应力。(4)计算正交试验中9个试验工况的关联度,关联度最大的工况7是9个工况中综合安全和经济两方面最优化的方案,具体参数为:初衬厚度16cm,钢拱架间距1m,开挖进尺1.5m。(5)结合现场施工条件和场地布置,选取合适的评价指标,给出相应的量化公式和分级标准,建立由节地、节能、节水、节材、节人力及人员保护和环境保护等6个一级指标和23个二级指标组成的适用于高寒地区水工引水隧洞绿色施工的综合性评价体系。
其他文献
随着网络技术的高速发展,大数据、云计算等信息技术不断被提出,这些技术的实现都离不开海量的数据交互,这就要求通信网络要具有大容量高速率低时延的特点。扩展频谱资源可以实现大容量高速率的通信目标。毫米波频段(30GHz-300GHz)可用频谱资源丰富,合理开发利用可以解决目前频谱资源紧张的困境。论文围绕对毫米波的开发利用,聚焦于W波段(75-110GHz)毫米波的生成展开研究。(1)论文首先对毫米波的研
学位
随着信息化时代的到来,计算机视觉得以迅速发展,如今被广泛应用于人工智能、自动驾驶、医疗影像和军事检测等领域。然而,近年来大气污染逐渐加重,雾霾天气出现的频率越来越高,导致户外成像设备不能捕捉到高质量的清晰图像,无法正常运用于计算机视觉系统。所以,对雾天降质图像进行去雾处理已经成为研究学者们关注的热点问题。论文详细研究了有雾图像的形成机理,将大气光成像模型作为理论基础,详细介绍了暗通道先验去雾算法,
无线闭塞中心(Radio Block Center,RBC)是CTCS-3(Chinese Train Control System at level 3,中国列车运行控制系统应用等级3)级列控系统的地面核心设备,其高效、安全运行是高速列车安全运营的重要保障。目前,关于RBC风险评估的研究相对较少,且传统评估方法中指标权重受主观因素影响较大,这使得评估结果与实际情况存在一定的偏差。为了完善RBC的
学位
学位
目前,铁路综合数字移动通信系统(Global System for Mobile CommunicationsRailway,GSM-R)已经普遍应用到我国各大高铁建设中,比如京沪高铁以及本文项目背景银西高铁等。虽然GSM-R系统普遍应用在高铁建设之中,但如果网络节点搭建不合理,后期可能要对基站重新选址建造,极大地浪费建设成本。因此本文首先利用数据挖掘算法在不同的外界环境下构建无线场强覆盖预测模型
计算机视觉是人工智能领域中的一个热点方向,通过模拟生物视觉,对捕捉到的图像数据进行理解与识别,从而实现视觉任务的自动化,并被广泛应用到自动驾驶、医疗、安防监控等领域。然而,在不良天气状况下(如雾、霾天气),输入图像的质量会严重影响视觉任务的精度与表现。在雾、霾环境下,由于空气中存在大量的悬浮气溶胶颗粒,使得成像系统采集到的图像具有较低的可见度和对比度,进一步阻碍了计算机对图像信息的分析与提取能力。
本中国无人机厂商所生产的各类产品正在满足越来越多的行业需求,如紧急救灾、警务安保、土地测绘、电力巡检、农业植保和交通监控等。这使得无人机的应用具有广阔的市场需求和未来前景,在将计算机视觉中的深度学习技术和无人机航拍技术相结合的智能系统中,对所得图像中的目标进行检测与识别是其中举足轻重的步骤。在常规场景目标检测任务中检测结果良好的模型在航拍图像检测中结果通常一般。因此针对航拍场景中检测对象的特性来构
经典的土压力理论所求结果均为极限状态下的土压力值,在实际工程中随挡土墙位移的发展其受到的土压力会逐渐变化,土压力与墙体位移有关。大量试验及工程实践均发现,在一般情况下挡墙产生的位移均较小,并未能达到主动或被动极限状态,因此,绝大部分正常工作的挡土墙所受土压力在静止土压力与极限土压力之间。在挡土墙设计时如果仍采用经典土压力理论计算有可能会造成不必要的浪费,也可能会引起不安全的工程事故,为了提高挡土墙