合肥市大建设工程变形监测分析与预报

变形监测是对监测对象进行测量以确定其空间位置随时间变化的特征,变形分析与预报涉及多学科交叉,如系统论、控制论、非线性科学、拓扑约束等。监测点的几何分析与预报基于在监测点上进行周期或持续离散的观测,从而构成变形的时间序列。准确的监测和预报,可以保障工程安全,及时发现异常变化,对其稳定性、安全性作出判断,以便采取措施处理,防止事故发生;同时积累经验,检验工程设计的理论是否合理,为以后制定设计提供依据。     

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。     

基于PSONN的大坝监控实时预报模型

将粒子群算法（PSO）引入大坝监测领域,提出一种基于粒子群神经网络（PSONN）的大坝监控预报模型。该模型充分发挥PSO的全局寻优能力和BP神经网络局部细致搜索优势,给BP神经网络提供了良好的初始权值。对逐一粒子群（SPSONN）、整体粒子群（WPSONN）、逐一BP（SBPNN）及整体BP（WBPNN）4种预报模型的对比分析表明：逐一预报模型（SPSONN和SBPNN）的预报精度明显高于对应的整体预报模型（WPSONN和WBPNN）的预报精度;与BP神经网络模型相比,PSONN模型不仅收敛速度明显加快,而且预报精度也有较大提高,尤其是SPSONN模型,其高精度和短历时性完全满足实时预报的需要,可以准确、有效地应用于大坝监测量的实时预报。     

大坝的变形监测要点分析

大坝变形监测是水利工程中重要的一项监理项目,它能综合反映和衡量坝体和基础状态,结构是否正常、可靠、安全。在分析大坝变形监测的意义的基础上,阐述GPS变形监测系统,然后就大坝的变形监测要点分析进行了研究。     

安图两江大坝变形监测信息系统的设计与实现

安图两江水利枢纽属大型面板堆石坝水利工程，根据其安全监测的基本情况，采用VB研制开发了安图两江大坝变形监测信息系统，该系统可以实现两江大坝变形监测信息的科学化管理，包括：变形监测基础文档信息管理；变形监测数据的编辑、计算及统计；变形监测图形信息的自动绘制等。详细论述了安图两江大坝外部变形监测信息系统设计的基本思想、开发过程，为类似工程变形观测信息的科学化管理提供参考。     

基于差异进化算法的前馈神经网络在大坝变形监测中的应用

针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。     

基于时间序列分析改进法的地下水位动态预报——以吉林省桦甸市为例

采用逐步回归法替代传统时间序列分析模型中的多项式拟合法和自回归法,仅选用对因变量影响较大的自变量建立方程,提高了模型的精度。依据桦甸市26130018号观测井2000—2008年逐月的地下水位埋深资料,分别利用传统的、改进的时间序列分析法建立模型,以2009—2010年的观测数据进行精度检验,选择较优的改进模型预测了2011—2013年逐月的地下水位。结果表明:2个模型均满足精度要求,但经过改进后,随机方程和趋势方程的相关系数分别由0.830 7和0.803 9增至0.913 5和0.970 9,拟合结果明显提高。     

滑坡变形预测与失稳预报问题的几点讨论

滑坡问题的研究关系到水利、交通、能源等基本工程建设,并与人们生命财产安全、生态环境保护及可持续发展问题相关,因此一直备受关注。滑坡是一个复杂的地质体,影响滑坡稳定的内外各种因素多种多样,影响程度各异,并且各因素又是动态变化的,决定了滑坡变形机制与变形特点十分复杂,因此滑坡变形预测与失稳预报十分困难。文章认为,变形突变预测、失稳时间预报及失稳判据是滑坡预测预报的3个核心问题,变形突变预测是为了预测出滑坡从匀速变形阶段进入加速变形阶段的特征点或时间,是回答滑坡能否失稳的关键,是提高预测结果可靠性及提高预测研究水平的基础。分析了目前各种预测模型的特点及可靠性情况,模型的优缺点。探讨了变形突变难以预测的实质,并指出采用多因素预测模型进行探索性研究。文章还对失稳时间预报的预报尺度、预测误差的计算、滑坡空间预测及多测点协同预测等问题进行分析,并对可能的解决办法提出了建议或展望。     

基于长自回归残差法的时序分析在大坝变形监测与预报中的应用

本文主要研究了时间序列分析在大坝变形监测与预报中的应用。突出分析了ARMA模型的优点。分别利用最小二乘估计法和长自回归模型残差法进行坝体形变的分析和预报;通过对不同阶数ARMA模型在实际应用中的比较分析,确定出一种精度相对高、原理简单的方法进行建模,从而进行形变的分析和预报。     

基于人工神经网络的喀斯特地区水资源承载力综合评价——以贵州省为例

运用BP网络对贵州喀斯特地区水资源承载力进行综合评价,并与灰色关联投影法评价结果进行对比。结果表明,两种方法的评价结果整体差别不大,但安顺市和铜仁地区的承载力差别很大。神经网络法所得结果,铜仁地区水资源开发利用潜力最大,而安顺市则很小,仅高于贵阳市;但灰色关联投影法所得结果,铜仁地区的水资源承载力却比安顺市低很多。通过与前人研究结果比较,BP网络的评价结果更加符合实际情况。应用Kohonen网络进行分析,结果表明水资源总量和经济发展水平是影响贵州各地区水资源承载力的主要因素;此外,人口对遵义市的水资源承载力也有较大的影响,铜仁和毕节地区受喀斯特的影响较其他地区显著。      

大坝GPS整体变形监测研究

本文探讨大坝GPS整体变形监测问题，文章设想了GPS整体变形监测方案并论证了大坝GPS监测可能达到的精度，最后指出只要选用设备，观测环境和观测方案恰当。GPS监测可满足大坝监测精度要求，实现高精度大坝变形监测自动化。     

长潭水电厂混凝土大坝变形观测分析研究

简要介绍长潭水电厂大坝观测系统布置,对大坝长期变形观测资料进行了系统的分析。为了定量分析大坝变形观测值的变化规律,对典型测值序列采用统计回归算法建立数学模型,分析自变量与因变量之间的关系,从而对大坝各个效应量作出解释。给出了大坝处于正常工作时期的结论。     

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据.     

基于粒子群优化神经网络算法的深基坑变形预测方法

深基坑变形预测是进行施工参数调整和确保深基坑施工安全的重要手段,而如何对其变形进行有效、准确的预测是一个有待解决的技术难题。采用粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并将已有的变形监测数据作为神经网络的输入参数,建立了基于粒子群优化神经网络算法的深基坑变形预测方法。将形成的方法应用于长春市火车站北广场深基坑开挖监测工程中。结果表明：8号水平位移测点预测结果的均方根误差为3.78%,平均百分比误差为5.48%;9号地面沉降点预测结果的均方根误差为5.62%,平均百分比误差为3.23%。经验证,本文方法预测深基坑开挖过程中的变形具有较高的可信度。     

通渝隧道围岩变形的神经网络预测

隧道新奥法施工中 ,常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。公路隧道围岩变形量是随时间而变化的数据序列 ,因而可以建立一些实时跟踪预测模型和方法。根据通渝隧道围岩拱顶下沉位移变形的特性 ,采用神经网络技术来预测其变形量 ,结果表明该方法简易、有效     

甘肃徽县通天坪金矿尾渣堆场变形原因分析

2008年"9.8"山西襄汾尾矿溃坝事故造成281人遇难的特大灾害给中国尾矿坝(库)的安全管理烙上了一次深刻的印记.据有关研究,尾矿溃坝事故造成灾害的主要原因是坝体的稳定性不足和违规建设等.笔者以通天坪金矿尾矿坝(库)为例,进行库坝稳定性、建设程序和安全防治措施分析,以增强对尾矿库建设安全和管理的重视.甘肃徽县通天坪金矿尾渣堆积坝地基土为强度很低的粉质黏土,承载力特征值为80~100kPa,高度20.0m,初期坝采用粉质黏土堆筑,后期的堆积坝以初期坝为基础,生产期间用压滤干尾砂采用上游式尾矿筑坝法堆筑.尾渣堆场地段地下水较丰富,地下水位埋深在地表附近呈溢出泉出露,坝基土和坝体均为持水性强、渗透性差的黏性土体,不仅地形呈约为10°的斜坡,坝基土体也呈5°~10°倾斜状分布.由于对软弱的地基土未做处理,坝基和坝体排水措施不力,导致投入运营不久坝体和坝前地表发生隆起、开裂、塌陷等变形破坏,严重影响了坝体的正常使用.经后期的补充勘察,提出的地基加固、坝体排水等补救措施实施后,经近2年的监测,坝体稳定,运行正常.     

深基坑工程变形预报神经网络法的初步研究

提出了深基坑变形预报的人工神经网络法,详细介绍了该方法的建模和应用实例。预报结果与实测值较为吻合,从而表现在深基坑工程中利用该方法进行变形预报是可行的。     

基于LoRa WAN的大坝和岩土工程安全监测系统

针对传统的大坝和岩土工程安全监测系统中传感器布置比较分散时电缆需求多和施工成本高、施工期主要采用读数仪人工读数等问题,提出了一种基于LoRaWAN的大坝和岩土工程安全监测的无线通信系统的解决方案,主要包括云终端、网关和云平台.系统已应用于包括国家某大型建设工程在内的10多个工程的安全监测,取得了良好的应用效果.特别是为...     

基于数值模拟的三峡库区典型堆积层滑坡变形预测方法

目前对堆积层滑坡的变形预测大多基于数学模型或方法,忽略了引起滑坡位移显著变化的动力外因及滑坡自身的地质特征,因此,预报准确度和可信度较低。以三峡库区典型堆积层滑坡--鹤峰场镇滑坡为例,通过4组主要控制因素科学组合构建了滑坡的基本地质模型;以此为基础,重点考虑引起滑坡发生变形的库水作用动力因素,建立滑坡的数值-力学模型。通过实际监测点的变形监测结果与数值-力学模型中模型监测点的变形进行拟合分析,获取了实际时间与数值-力学模型中时步的等效关系;基于时间-时步等效关系及三峡水库设计水位调度曲线,得到了不同时步水位的波动特征;通过时步的外延,并在相应的时步段对数值-力学模型施加等效时间的库水作用,预测了滑坡在未来库水位变动条件下的变形。该预测方法既考虑了滑坡的工程地质模型又考虑了地下水作用效应,克服了纯数学方法预测的不足。