留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

特高拱坝运行初期变形监测预报模型及构建方法

胡江

胡江. 特高拱坝运行初期变形监测预报模型及构建方法[J]. 水利水运工程学报 doi:  10.12170/20190908001
引用本文: 胡江. 特高拱坝运行初期变形监测预报模型及构建方法[J]. 水利水运工程学报 doi:  10.12170/20190908001
(HU Jiang. Deformation forecasting model and its modeling method of super high arch dams during initial operation periods[J]. Hydro-Science and Engineering(in Chinese)) doi:  10.12170/20190908001
Citation: (HU Jiang. Deformation forecasting model and its modeling method of super high arch dams during initial operation periods[J]. Hydro-Science and Engineering(in Chinese)) doi:  10.12170/20190908001

特高拱坝运行初期变形监测预报模型及构建方法

doi: 10.12170/20190908001
基金项目: 国家重点研发计划资助项目(2018YFC0406705);国家自然科学基金资助项目(51879169; 51779155)
详细信息
    作者简介:

    胡 江(1983—),男,湖南衡阳人,高级工程师,博士,主要从事水工结构老化病害及安全监控研究。E-mail:huj@nhri.cn

  • 中图分类号: TV642

Deformation forecasting model and its modeling method of super high arch dams during initial operation periods

  • 摘要: 针对特高拱坝运行初期温度场的非稳定性和时效的非单调增长性,发展变形监测和预报模型,并提出构建方法。通过主成分上的分层聚类法选取代表性温度测点,将其实测值作为温度变量,引入包含徐变及其恢复项的时效变量表达式,论证其表达谷幅变形的能力。进而考虑库水位、实测温度、组合时效等变量,应用增强回归树方法提出特高拱坝运行初期变形监测和预报模型,并通过后向消减变量建立优化模型。分析各变量对变形的边际效应,得出相对影响,借助部分依赖图,辨识变量间相关关系及其对坝体变形的影响规律,揭示变形机制。将该模型应用于某特高拱坝,验证该模型的可行性和有效性。并将结果与支持向量机、多元回归模型进行对比分析,表明该模型的优越性。
  • 图  1  坝体垂线和16#坝段温度测点布置

    Figure  1.  Layout of embedded pendulums and temperature sensors in Monolith 16

    图  2  蓄水、坝顶径向位移和谷幅变形过程线

    Figure  2.  Time histories of reservoir water level, dam crest displacment and valley contraction deformation

    图  3  蓄水过程16#坝段典型高程温度时空变化过程

    Figure  3.  Evolutions of air, water and concrete temperatures of typical points in Monolith 16

    图  4  PL15-5库水温和典型段坝体温度测点HCPC结果

    Figure  4.  HCPC results of reservoir water temperatures and dam concrete temperatures of typical observation points

    图  5  采用时效变量拟合得到的谷幅变形过程线

    Figure  5.  Comparison of observed and fitted values of contraction deformation of VDL04

    图  6  各模型的训练和预测效果

    Figure  6.  Comparison of training and prediction effects of models

    图  7  变量组合的三维PDP图

    Figure  7.  3D PDP maps of variable combinations

    表  1  模型构建考虑的实测温度变量

    Table  1.   Measured temperature variables considered in model construction

    垂线段PL15-5PL15-4PL15-3PL15-2PL15-1
    选取的温度计T6,S3-1,S6-4,S6-9T14,T15S5-4,T18S5-5,T28T29
    下载: 导出CSV

    表  2  各模型的训练集和预测集的平均绝对误差(表中误差是否缺少单位,即百分比%,请核对???)

    Table  2.   Accuracy comparisons among training and prediction sets of constructed models(英文名不对) mm

    模型SBRTSVMHTTHST
    训练预测训练预测训练预测训练预测
    平均绝对误差0.420.840.951.491.833.075.966.62
    下载: 导出CSV
  • [1] 张冲, 王仁坤, 汤雪娟. 溪洛渡特高拱坝蓄水初期工作状态评价[J]. 水利学报,2016,47(1):85-93. (ZHANG Chong, WANG Renkun, TANG Xuejuan. Safety evaluation of Xiluodu ultra-high arch dam during the initial impoundment period[J]. Journal of Hydraulic Engineering, 2016, 47(1): 85-93. (in Chinese)
    [2] HE Zhu, LIU Yaoru, YANG Qiang, et al. Mechanism of valley deformation of Xiluodu arch dam and back analysis and long-term stability analysis[J]. Chinese Journal of Rock Mechanics and Engineering,2018,37(S2):4198-4206.
    [3] 刘宁. 国内外大坝失事分析研究[M]. 武汉: 湖北科学技术出版社, 2002.

    LIU Ning. Analysis and research of dam-failure[M]. Wuhan: Hubei Science and Technology Press, 2002. (in Chinese)
    [4] 顾冲时, 苏怀智, 王少伟. 高混凝土坝长期变形特性计算模型及监控方法研究进展[J]. 水力发电学报,2016,35(5):1-14. (GU Chongshi, SU Huaizhi, WANG Shaowei. Advances in calculation models and monitoring methods for long-term deformation behavior of concrete dams[J]. Journal of Hydroelectric Engineering, 2016, 35(5): 1-14. (in Chinese) doi:  10.11660/slfdxb.20160501
    [5] 顾冲时, 吴中如. 大坝与坝基安全监控理论和方法及其应用[M]. 南京: 河海大学出版社, 2006.

    GU Chongshi, WU Zhongru. Theory and method of dam and dam foundation safety monitoring and their applications [M]. Nanjing: Hohai University Press, 2006. (in Chinese)
    [6] HU J, WU S H. Statistical modeling for deformation analysis of concrete arch dams with influential horizontal cracks[J]. Structural Health Monitoring, 2019, 18(2): 546-562. doi:  10.1177/1475921718760309
    [7] SALAZAR F, MORÁN R, TOLEDO M Á, et al. Data-based models for the prediction of dam behaviour: A review and some methodological considerations[J]. Archives of Computational Methods in Engineering, 2017, 24(1): 1-21. doi:  10.1007/s11831-015-9157-9
    [8] KANG F, LI J J, DAI J H. Prediction of long-term temperature effect in structural health monitoring of concrete dams using support vector machines with Jaya optimizer and salp swarm algorithms[J]. Advances in Engineering Software, 2019, 131: 60-76. doi:  10.1016/j.advengsoft.2019.03.003
    [9] SALAZAR F, TOLEDO M Á, GONZÁLEZ J M, et al. Early detection of anomalies in dam performance: A methodology based on boosted regression trees[J]. Structural Control and Health Monitoring, 2017, 24(11): e2012. doi:  10.1002/stc.2012
    [10] 彭卫, 杜时贵. 混凝土徐变效应的计算机分析[J]. 西安公路交通大学学报,1999,19(2):4-5, 9. (PENG Wei, DU Shigui. Computational analysis of concrete creep effect[J]. Journal of Xi'an Highway University, 1999, 19(2): 4-5, 9. (in Chinese)
    [11] ABDI H, WILLIAMS L J. Principal component analysis[J]. WIREs Computational Statistics, 2010, 2(4): 433-459. doi:  10.1002/wics.101
    [12] 胡江, 马福恒, 王春红. 特高拱坝变形监测的分区及其模型构建方法[J]. 河海大学学报(自然科学版), 2019, ????? online.

    HU Jiang, MA Fuheng, WANG Chunhong. Zoned deformation monitoring model for super high arch dams[J]. Journal of Hohai University (Natural Sciences), 2019, online. (in Chinese)
    [13] LI Q B, ZUO Z, HU Y, et al. Smart monitoring of a super high arch dam during the first reservoir-filling phase[J]. Journal of Aerospace Engineering, 2017, 30(2): B4016001.
    [14] SALAZAR F, TOLEDO M A, OÑATE E, et al. An empirical comparison of machine learning techniques for dam behaviour modelling[J]. Structural Safety, 2015, 56: 9-17. doi:  10.1016/j.strusafe.2015.05.001
    [15] 张国新, 周秋景. 特高拱坝封拱后温度回升及影响研究[J]. 水利学报,2015,46(9):1009-1018. (ZHANG Guoxin, ZHOU Qiujing. Study on temperature recovery after arch sealing of super high arch dams and its influence[J]. Journal of Hydraulic Engineering, 2015, 46(9): 1009-1018. (in Chinese)
    [16] 高俊, 黄耀英, 万智勇, 等. 含冷却水管混凝土坝温度计埋设位置优选[J]. 水利水运工程学报,2017(3):93-98. (GAO Jun, HUANG Yaoying, WAN Zhiyong, et al. Optimization analysis of setting location of thermometer in concrete dam with cooling water pipes[J]. Hydro-Science and Engineering, 2017(3): 93-98. (in Chinese)
  • [1] 郑安兴, 毛前, 臧振涛, 周建芬.  框架式海堤变形模拟与稳定影响因素分析 . 水利水运工程学报, doi: 10.12170/20190806002
    [2] 李伶杰, 王银堂, 胡庆芳, 刘定忠, 张安富, 巴亚荃.  基于随机森林与支持向量机的水库长期径流预报 . 水利水运工程学报, doi: 10.12170/20190626001
    [3] 王子成, 许后磊, 赵志勇, 张礼兵, 陈豪, 陈亚军, 徐智勇.  特高拱坝动态安全风险分析系统研发及应用 . 水利水运工程学报, doi: 10.12170/20181201002
    [4] 杨乐, 王亚红, 李宗利, 姚希望.  湿度对薄壁渡槽受力变形的影响分析 . 水利水运工程学报, doi: 10.16198/j.cnki.1009-640X.2019.04.013
    [5] 何金平, 曹旭梅, 李绍文, 陈克振.  基于安全监测的水闸健康诊断体系研究 . 水利水运工程学报,
    [6] 马福荣, 张信贵, 易念平.  取样卸荷对膨胀性泥岩强度与变形特性影响的试验研究 . 水利水运工程学报,
    [7] 李小梅, 关云飞, 凌华, 武颖利.  考虑级配影响的堆石料强度与变形特性 . 水利水运工程学报,
    [8] 王祚, 牟献友, 李春江, 田剑浩.  不同流量下环翼型防冲板结构优化试验 . 水利水运工程学报,
    [9] 范梦歌, 刘九夫.  基于聚类分析的水文相似流域研究 . 水利水运工程学报,
    [10] 王长生.  基于物联网的燕山水库大坝智能巡检系统 . 水利水运工程学报,
    [11] 何 斌, 汪璋淳, 何 宁, 钱亚俊, 周彦章.  分布式传感光纤测量疏浚土大型充填袋变形 . 水利水运工程学报,
    [12] 王伟, 钟启明, 刘守华, 李益兵.  混凝土坝变形组合预报模型的蛙跳建模方法 . 水利水运工程学报,
    [13] 焦志斌, 冯京海, 李凯双, 王长军, 李顺利, 季宏.  滩海人工岛工程安全监测自动化系统研究 . 水利水运工程学报,
    [14] 李为,苗喆.  察汗乌苏面板坝监测资料分析 . 水利水运工程学报,
    [15] 任政,郝振纯.  水资源开发利用评价的支持向量机模型 . 水利水运工程学报,
    [16] 季荣耀,陆永军,左利钦.  人类活动影响下的东江下游博罗浅滩河段航道整治 . 水利水运工程学报,
    [17] 李士林,徐光明.  单锚板桩结构码头离心模型试验研究 . 水利水运工程学报,
    [18] 谷艳昌,何鲜峰,郑东健.  基于蒙特卡罗方法的高拱坝变形监控指标拟定 . 水利水运工程学报,
    [19] 马文亮,白新理,张多新,刘琰玲.  落脚河水电站钢筋混凝土岔管有限元分析 . 水利水运工程学报,
    [20] 沈珠江,米占宽.  膨胀土渠道边坡降雨入渗和变形耦合分析 . 水利水运工程学报,
  • 加载中
计量
  • 文章访问数:  41
  • HTML全文浏览量:  39
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回