动态评估策略的GEP算法在大坎变形预测中的应用

针对传统基因表达式编程方法预测方面的不足,采用动态评估策略的GEP算法深入分析并预测了大坝变形趋势,对监测某大坝变形进行了预测分析。实验表明,与传统GEP预测方法相比,动态评估策略的GEP算法预测精度优于传统的GEP预测,克服了传统GEP预测方法的不足,提高测量精度,在大坝监测预报中是有效可行的。     

结合边坡形态分析高边坡边坡稳定性问题

下坂地水利枢纽工程右坝肩高边坡的稳定性，对大坝及水库运行安全影响很大，结合工程地质条件，采用边坡形态及结构面综合分析、评价边坡的稳定性，提出了工程处理具体措施。     

大坝安全诊断的混沌优化神经网络模型

为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位移观测数据全局动力特性,兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中,由多个度量指标组成量化评价体系,对模型预测性能进行综合评价,结果表明,所建模型比传统BP神经网络和ARMA模型具有更高的预测精度。     

尼日利亚SABKE大坝地基处理设计

通过介绍在尼日利亚SABKE大坝地基处理过程中,如何因地制宜,综合采用多种地基处理措施;成功处理坝基渗漏问题,并取得显著经济效益;为今后类似工程提供借鉴.     

Hydraulic model tests for evaluating sediment control function with a grid-type Sabo dam in mountainous torrents

There are two kinds of Sabo dams in order to control sediment transport by debris flow and flash floods in mountainous area, which are closed and open-type＇s dams. In Japan, open-type＇s Sabo dams are constructed taking into account the continuity of sediment routing from upstream to downstream reach in a basin. A plan to construct a 20 m high grid-type Sabo dam which can capture a sediment volume of 400,000 m3 is proposed in the Amahata river basin in Japan. Hydraulic model tests are conducted to decide on the section for a dam （Section A, B） and the grid size such as clearance of vertical/horizontal bars for evaluating the plan. Several runs of flume tests are conducted and the sediment control function of the Sabo darn is discussed using several experimental data such as dimensionless sediment runoff rate from Sabo dam, temporal changes of bed profile and mean diameter and so on. It was found that sediment deposition in sediment storage area of Sabo dam was affected by curved channel, and that next the grid size of steel bars and thirdly the section of a dam was able to capture sediment in storage area of Sabo dam. Sediment was controlled well in the section B and in the grid size of 1.0×d95, and the problems related to sediment runoffafter sediment capturing in Sabo dam are pointed out.     

标准贯入试验在苏丹水利大坝勘察中的应用

近两年,我单位在苏丹国先后完成Kajbar,Shrerik、Sabloka,Dal、Dagash,Mograt等水利水电大坝的勘察工作。本文通过6个大坝详细勘察中标准贯入试验的操作工艺应用,以Dagash大坝为例对标准贯入试验进行阐述,并就与国内该试验实际操作存在的差异性进行比较。     

官地铁矿外围寻找金矿

官地铁矿是产于太古界表壳岩系和龙群古老变质岩系内中型沉积变质型铁矿床,在约500~600 km2的太古界古老变质岩系中分布有多处著名金矿床(点),并不断有新发现,具有很好的找金前景。     

变分模态分解与长短时神经网络的大坝变形预测

为了提高大坝变形数据的预测精度,该文提出一种变分模态分解和长短时记忆神经网络相组合的预测模型.对大坝的历史变形数据进行变分模态分解,利用长短时记忆神经网络进行预测,累加各模态分量的预测值完成重构.以江西省某蓄能水电厂2010-2014年大坝监测数据为例,设置不同的对比实验验证VMI-LSTM组合模型的有效性和稳定性.研究表明:组合模型能够有效减小单一模型的误差,VMD能够将变形序列分解为不同频带的分量,减少非线性、非平稳性对预测精度的干扰,且VMD-LSTM神经网络的预测精度要优于其他模型,对于大幅提升大坝变形的预测精度有一定的参考价值.     

基于TLS的多变量灰色模型在大坝变形预报中的应用

传统多变量灰色模型MGM(1,n)的背景值误差会使得求解的灰色参数精度降低。总体最小二乘是一种可以同时顾及到观测误差与模型系数矩阵误差的数学方法。基于此,引入TLS对传统MGM(1,n)模型的灰色参数进行修正。通过对某大坝变形数据试算,验证表明,该方法能够有效地提高变形预报精度。     

基于深度全连接神经网络的大坝变形预测研究

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型.利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型...