复杂地质条件下某水库运行期左岸渗漏原因分析

来源 :水电能源科学 | 被引量 : 0次 | 上传用户:hlwang72
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
某水库左岸断层、节理裂隙发育,且布置了满足施工导流要求的导流洞.工程竣工后,导流洞封堵,水库进行蓄水,蓄水到一定水位后发现库区左岸岩体及坝基渗漏量较大.为探明库区左岸渗漏较大的原因,基于三维有限单元法及库区工程地质条件,构建了库区三维有限元渗流分析模型,在运行期计算模型的基础上,分别计算分析了库区导流洞排水孔的不同布置方式、左岸防渗帷幕和断层的不同失效性对库区左岸的渗流场、渗透流量的影响.结果 表明,导流洞排水孔及左岸断层为左岸渗流量大、渗压水头偏高的主要原因.
其他文献
为进一步深度开发长白山地区安图县矿泉水资源,并合理保护水资源与生态环境,汇总2009~2019年的矿泉数据资料,利用层次分析法构建评价指标体系,使用综合指数法评价矿泉集中分布区资源潜力,基于SWOT分析提出未来潜力发展模式.结果 表明,南部矿泉集中区综合评价指数为5.84~7.66,由于复合型矿泉较多,总体属于高潜力区;已开发矿泉水泉点的潜力系数为0.04~0.82,现状潜力较高;该区未来矿泉水潜力模式为资源形成机制与开发阈值协调,通过加强外部区位与生态的影响,可保持较高潜力状态.
为了及时发现异常数据和充分发挥历史数据的价值,在充分了解兰溪断面以上流域洪水特点的基础上,分别采用实时计算引擎技术对水情数据进行在线清洗和数据挖掘技术对历史数据进行挖掘分析,并将分析结果用于上下游关联站洪峰水位、峰现时间预测.结果 表明,率定点位的预测洪峰水位合格率达到100%,洪峰出现时间合格率达到85%以上,验证点位的预测洪峰水位和洪峰出现时间合格率均为100%,精度较高,该方法技术适用于实时洪峰预测,能为水利等相关部门的防汛决策提供重要参考.
鉴于铁甲水库1999年除险加固阶段及2018年安全鉴定阶段的坝顶高程计算中,在计算控制参数基本相同的情况下计算结果相差过大的问题,先对比了两次坝顶高程计算的洪水标准及特征水位,然后确定两次计算采用的规范公式,最后计算坝顶高程并分析计算结果.结果 表明,差值过大是由于规范的更新采用计算公式不同造成的,计算时若多个规范推荐公式符合要求,应进行对比后选用偏安全值作为设计值.该结果为该类型水库土石坝的坝顶高程计算提供了参考.
高堆石坝在强震作用下的破坏大多从坝顶开始,为提高坝体的抗震稳定性,在坝顶区域采取加筋技术是目前高堆石坝抗震的主要手段.采用有限元软件,对300m级高粘土心墙堆石坝进行静动力分析,考虑在坝顶堆石区域分别铺设不同间距的土工格栅对坝体产生的影响,对比了地震作用下采取不同加筋方案的时程安全系数.结果 表明,从动位移、响应加速度的角度来看,铺设土工格栅后能够提升坝体的抗震性能.在坝顶区域采取加筋措施能有效提高坝坡的稳定性,铺设间距为3 m时,坝坡安全评价指标提升效果最为明显,铺设间距从3 m缩短至2 m时,变化趋势
根据乌东德水电站垂线监测结果,定性、定量分析了乌东德拱坝蓄水初期水平位移演化过程及物理规律,进而评价乌东德水电站在蓄水初期的工作性态.结果 表明,拱坝及坝肩变形均符合一般规律,处于正常工作状态.水荷载对变形起主导作用,同高程拱冠梁坝段径向变形最大,两侧坝段径向变形基本对称.与同类高拱坝相比,乌东德拱坝整体变形较小,其监测结果对未来超高薄拱坝设计及建设有重要参考价值.
当前用于堆石坝稳定性分析的强度折减法常采用理想弹塑性模型,未考虑堆筑过程强度和变形参数的变化,以及强度折减导致的变形参数的改变.因此,依据FLAC3D FISH语言二次开发平台,仿真计算堆筑过程和蓄水后的应力场,得到坝体变形和强度参数的初始分布.考虑变形参数随强度参数协调折减,结合突变理论定量确定坝体安全系数.结果 表明,堆筑完成后的坝体弹模、泊松比及内摩擦角呈非均匀分布,强度-变形参数协调折减法计算得到的安全系数小于传统强度折减法,相同折减系数下的坝体位移更大,可为堆石坝现状评估与预警提供参考.
后台阶紊流是一种几何形式简单,但含有复杂紊流结构的流动,利用RNGκ-ε模型计算分析后台阶紊流特性.选取雷诺数Re为2000、5000、10000、20000四种紊流工况进行模拟,比较分析了紊动能、紊动能耗散率、紊动强度、紊动粘性系数等反映紊流特性的参数.结果 表明,紊动能、耗散率、紊动强度随雷诺数的增大而增大,受后台阶流动分离区的影响各参数呈现一定的断面分布特征,据此重点探讨了紊动粘性系数与紊动强度、速度梯度等参数之间的内在关系,提出了紊动粘性系数计算公式的改进形式,这对于研究创新紊流模型具有促进作用.
鉴于传统统计模型未能充分挖掘各监测变量在空间和时间上的相关性,构建了HCM-PSO-GRU组合预测模型预测混凝土坝变形,该模型利用基于Ward准则的系统聚类法(HCM)分析混凝土坝监测数据的空间聚集情况,对变形及温度进行分组作为模型变量,并基于粒子群算法(PSO算法)参数优化后的门限循环神经网络(GRU)在处理复杂时间序列数据问题的优势,对混凝土坝变形进行多步预测.对某混凝土重力拱坝变形的多步预测结果表明,HCM-PSO-GRU组合预测模型能准确地反映监测数据变化趋势,且模型的预测精度较高.
鉴于尾矿坝的特殊建造方式、随机荷载及强非线性增大变形预测难度的问题,提出利用极限学习机(ELM)映射尾矿坝变形与影响因素之间的复杂非线性关系.针对ELM算法随机产生输入与隐含层之间的连接权值和阈值的缺点,利用粒子群算法的优化能力,确定最优的权值和闽值,结合影响尾矿坝变形的因素,建立极限学习机和粒子群算法(PSO)相结合的PSO-ELM尾矿坝变形预测模型,并以风水沟尾矿坝实测资料为例,通过与PSO-SVM位移预测模型作对比,验证了PSO-ELM模型预测精度.结果 表明,与PSO-SVM模型的预测结果相比,P
通过溢洪道水工模型试验,优化了溢洪道挑流鼻坎体型结构,在拟合冲刷坑计算表达式中引入鼻坎体型系数作为挑射角角度的影响参数,通过量纲分析、回归分析,推求确定各相关参数.结果 表明,在下游河床地质条件相同时,影响冲刷坑深度的因素主要有鼻坎处单宽流量、流速、上下游水位落差、鼻坎体型等,提出的冲刷坑计算公式较现行规范中公式的计算精度明显提高,更接近实测值.