基于灰色聚类法和灰色关联分析的大坝安全评价

大坝安全评价是一项复杂的综合评价,针对大坝安全评价中存在信息不完全确定的特点,将灰色系统理论中的灰色聚类法和灰色关联分析法应用到大坝安全评价中。以大坝基础工程部位的安全状况作为评价对象,建立评价指标和评价标准体系。通过实例计算与分析表明,两种方法在安全评价结果方面表现出了良好的一致性,且评价结果与实际情况相符,将两种方法用于大坝安全评价是可行和有效的。     

大坝极限位移和扬压力计算与实测数据对比分析

水库大坝一旦发生事故会对整个库区和下游造成不可估量的损失,大坝安全问题一直是研究和关注的焦点。以某混凝土重力坝为研究背景,利用极限平衡法及有限元法对大坝变形进行理论计算及数值模拟,分析了大坝极限水平位移与极限扬压力;通过对大坝实测扬压力和水平位移监测的数据分析表明,各监测数据未超过数值模拟结果,模型的选择与数值分析的结果都有一定的可靠性,可作为大坝技术人员分析大坝稳定情况的参考。     

水库大坝表面变形自动化监测新技术

一、引言到目前为止,我国已建水库堤坝约8.7万座,其中绝大部分(约8万座)建于20世纪50~70年代。但是,由于历史原因,有相当部分水库堤坝未按基本程序办事,是靠群众运动建造的,因此存在工程质量差、安全隐患多的问题。经过几十年的运行,已经到了病险高发期。因此加强水库大坝的安全管理必不可少,其中大坝变形监测就是大坝安全管理的重要内容之一。目前,在大坝安全监测技术规范中,主要有《土石坝安全监测技术规范》和《混凝土坝安全监测技术规范》。在《土石坝安全监测技术规范》中,把大坝的变形监测内容分为:表面变形、内部变形、裂缝及接缝、…     

遗传神经网络在大坝安全评价中的应用

利用神经网络方法评价大坝安全具有一定的优势,但传统大坝安全评价方法不能为神经网络模型提供合适的学习样本。文中引入安全度值的概念,为神经网络提供可量化的学习样本,并针对BP神经网络收敛速度慢、稳定性差、易陷入局部极小等问题,利用遗传算法进行改进,提出基于遗传神经网络的大坝安全评价方法。工程实例表明,评价方法合理、可行。     

GPS测量在水库大坝变形中的应用与分析

介绍了水库大坝变形测量的精度要求，应用静态GPS接收机测量水库大坝变形监测基站网，对其精度与误差进行分析，并提出实现毫米级或亚毫米级GPS监测网的措施。     

数字孪生技术在小型水库管理中的应用初探

针对我国小型水坝存在的安全隐患问题,本文基于数字孪生技术提出并构建了小型水坝数字孪生动态监管云平台,论述了小型水坝数字孪生平台建设思路。首先基于物联传感设备实现雨水情、坝体安全感知,然后通过构建室内外一体化精细三维模型搭建统一时空数据底座,实现视频监控与三维模型的融合,最后基于AI技术实现入侵检测,构建小型水库动态监管云平台。数字孪生技术能够为水库大坝提供全面的实时监测信息,实现实时连接与动态交互。本文初步探讨了数字孪生技术在水库大坝管理中的应用,可为小型水坝状态感知与安全管理提供参考。     

时序InSAR水库大坝形变监测应用研究

合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）作为近年来迅速发展的空间大地测量新技术，具有监测精度高、范围大、空间覆盖连续等优点，是解决水利工程形变监测时空连续性问题的有力手段。针对时序InSAR水库大坝形变监测应用中存在的问题，结合环境特殊性和复杂性，研究适合实际需求的时序InSAR分析方法。广南水库的应用实践表明，时序InSAR方法可探测到坝体表面高质量的散射体目标并提取较高精度的形变序列，验证了其对水库大坝、防潮堤等水工建筑物进行形变监测的有效性。时序InSAR形变监测方法在水库安全状况普查及形变历史回溯中具有巨大的应用潜力。     

GPS在石门子水库大坝外部变形监测中的应用

文中以石门子水库大坝变形监测为例,详细介绍了G PS观测中观测点遇到障碍物遮挡问题的处理及G PS观测后基线处理,并对G PS在石门子水库大坝外部变形监测中取得结果进行分析、总结。为工程测量提供参考。     

TCA测量机器人在大坝变形监测中的应用

近年来我国在西南地区,规划建设了许多大型的水利枢纽工程,但如何确保这些水利设施的安全运营,成了目前研究的热门课题。大坝变形监测是大坝安全监测系统的一个主要项目。本文以紫坪铺大坝变形监测系统为例,详细介绍了LEICA测量机器人自动观测系统的方案设计以及质量评价,以期能够对其他类似工程提供一点经验借鉴。     

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。