CN112632838A - 一种高心墙堆石坝坝顶开裂风险动态评估及预警方法 - Google Patents
一种高心墙堆石坝坝顶开裂风险动态评估及预警方法 Download PDFInfo
- Publication number
- CN112632838A CN112632838A CN202110066659.7A CN202110066659A CN112632838A CN 112632838 A CN112632838 A CN 112632838A CN 202110066659 A CN202110066659 A CN 202110066659A CN 112632838 A CN112632838 A CN 112632838A
- Authority
- CN
- China
- Prior art keywords
- dam
- cracking
- dam crest
- crest
- deformation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005336 cracking Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011156 evaluation Methods 0.000 title claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000006073 displacement reaction Methods 0.000 claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 239000000463 material Substances 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 4
- ZCBJDQBSLZREAA-UHFFFAOYSA-N Bisoxatin acetate Chemical compound C1=CC(OC(=O)C)=CC=C1C1(C=2C=CC(OC(C)=O)=CC=2)C(=O)NC2=CC=CC=C2O1 ZCBJDQBSLZREAA-UHFFFAOYSA-N 0.000 claims description 3
- 238000013398 bayesian method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000003204 osmotic effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 238000004062 sedimentation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 9
- 238000012502 risk assessment Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000011257 shell material Substances 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提出了一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，通过建立高心墙堆石坝有限元模型，进行大坝填筑‑蓄水‑运行全过程变形数值模拟，根据大坝典型部位的位移监测数据，进行坝与地基材料参数反演；采用通过参数反演率定的大坝有限元模型，将库水位的实时监测值输入模型，计算坝顶顺河向沉降变形倾度，判断坝顶变形是否出现异常；当坝顶变形处于异常状态时，确定异常变形状态的持续时间，计算坝顶开裂时变概率，估计开裂时间，并发出开裂预警。坝顶开裂后，采用贝叶斯方法对坝顶开裂概率和开裂时间计算公式中参数的概率分布进行更新。解决了确定性方法不能定量评价坝顶开裂风险和提前预估坝顶开裂时间的问题。
Description
技术领域
本发明属于水利水电工程技术领域，具体涉及一种高心墙堆石坝坝顶开裂风险动态评估及预警方法。
背景技术
由于具有良好的地形地质条件适应性、能充分利用当地建筑材料、建设成本相对较低、抗震性能好等优点，高心墙堆石坝是我国西部高坝大库水电工程最常用的拦河坝型之一。这些高坝在运行过程中如果出现严重结构故障，可能导致溃坝事件，造成下游地区淹没和次生灾害，严重威胁人民群众生命财产安全。所以，高坝工程在长期服役期间的结构安全风险日益受到国家和社会关注。由于自重、渗压等荷载巨大，坝体变形不协调等原因，坝顶开裂是高心墙堆石坝在施工和运行过程中常见的结构故障之一，如糯扎渡(261.5m)、长河坝(240m)、瀑布沟(186m)、小浪底(154m)等。坝顶开裂影响高心墙堆石坝结构整体性，如果不及时进行封闭等处理，可能造成大坝防渗心墙破坏、坝体滑坡等严重后果，导致溃坝。因此，研究坝顶开裂风险评估及预警方法，对于高心墙堆石坝坝顶开裂提前预警和主动调控具有十分重要的意义。
目前高心墙堆石坝坝顶开裂风险评估以确定性方法为主，即利用变形监测数据或数值模拟计算坝顶变形倾度，再与给定的阈值进行比较，当变形倾度超过阈值时，认为坝顶存在开裂风险。确定性方法只能定性评价坝顶开裂风险，无法量化风险大小(如开裂概率)。此外，确定性方法无法预估坝顶可能开裂的时间。坝顶裂缝的出现与大坝变形状态，尤其是坝顶不均匀变形有关。不均匀变形程度可以用变形倾度指标进行量化。当坝顶变形倾度超过某一阈值时，表明坝顶变形处于异常状态，但并不意味坝顶会立即开裂。坝顶开裂风险与异常变形状态(如变形倾度超过阈值)持续时间TAS密切相关，随TAS增大而增大。由于复杂的物理机制和随机因素，坝顶开裂前异常状态持续时间TAS具有很大的不确定性，是一个随机变量。当确定TAS的概率密度函数后，通过积分即可计算坝顶在未来一段时间内的开裂概率，同时可以估计给定概率对应的开裂时间。根据上述坝顶开裂风险分析原理，本发明提出了一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，解决了坝顶开裂风险定量评价和坝顶开裂风险提前预警的问题。
发明内容
本发明提出了一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，该方法根据坝顶开裂风险与异常变形状态(如变形倾度超过阈值)持续时间TAS的密切相关性(开裂风险随TAS增大而增大)，建立坝顶开裂风险动态评估与预测预警模型，并基于贝叶斯理论，实现了信息驱动的模型参数动态辨识，解决了坝顶开裂风险定量评价和坝顶开裂时间提前预估问题。
本发明具体通过以下技术方案实现：
一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，包括以下步骤：
1)根据大坝结构尺寸、材料分区和坝基地质条件，建立高心墙堆石坝有限元模型，按照坝体位移测点位置，在有限元模型中布置相应结点；
为保证坝顶部位变形计算结果的精度，坝顶附近区域的有限元网格划分应足够精细(建议单元边长不超过0.5m)。
2)进行高心墙堆石坝填筑-蓄水-运行全过程变形数值模拟；
其中，自重、渗压荷载作用下的坝体瞬时变形采用邓肯-张EB模型计算；上游堆石体浸水后产生的湿化变形采用三参数湿化模型确定；长期运行过程中由于材料蠕变产生的随时间增长的坝体变形采用七参数蠕变模型模拟。
根据大坝填筑-蓄水-运行过程中典型部位(如坝顶、下游坝坡等)的位移监测数据，进行坝与地基材料参数反演，使坝体位移的有限元计算值与实测值尽可能吻合，保证坝顶变形倾度计算结果的准确性。
3)采用通过参数反演率定的高心墙堆石坝有限元模型，将库水位的实时监测值输入模型，计算坝体变形，提取坝顶沉降位移值，计算坝顶顺河向沉降变形倾度γs，即：
式中，SA、SB分别为坝顶结点A和B的沉降位移，Δy为A、B两点间的距离。
4)通过γs和坝顶沉降变形倾度阈值γc的比较，判断坝顶变形是否处于异常状态；
当γs<γc时，表明坝顶变形未出现异常，返回第3)步；当γs>γc时，表明坝顶变形出现异常。
5)当坝顶变形处于异常状态时，确定异常变形状态的持续时间TAS，计算坝顶开裂时变概率，估计开裂时间，并发出开裂预警；
具体为：
①由于坝顶开裂前的异常变形状态持续时间TAS是不确定的，应视为随机变量。采用指数分布描述TAS的概率分布，即：
式中，λ为指数分布的参数，λ＝E(TAS)，即λ为TAS的期望值。由于缺乏历史数据，λ也是不确定的，是一个随机变量。
②计算坝顶开裂时变概率，对式(2)进行积分，可以得到时间
内坝顶开裂的概率为：
式中，λ是随机变量，因此，需要根据λ的概率分布，对λ进行随机抽样，再计算相应的开裂概率。
③估计坝顶开裂时间，发出开裂预警。与给定概率
对应的坝顶开裂时间为：
根据过去发生的坝顶开裂事件，确定其开裂时间
采用式(3)计算相应的开裂概率
对计算得到的
进行统计分析，确定其均值及95％、5％分位值，分别代入式(4)计算当前坝顶开裂时间的均值和上下界限，并根据开裂时间的下限估计值发出开裂预警。
6)发出开裂预警后，对坝顶是否开裂进行巡视检查，如果直到异常变形状态结束时坝顶都未开裂，则回到第(3)步；如果坝顶开裂，则确定坝顶开裂前的异常变形状态持续时间
7)根据实际观测到的
采用贝叶斯方法对参数λ的概率分布进行更新；具体方法如下：
①根据第i次坝顶开裂前的异常变形状态持续时间
构造似然函数(给定λ情况下观察到
的条件概率或与该条件概率成比例的一个数)，即：
②将构造的似然函数代入式(6)，更新λ的概率分布，即：
式中，Θ为λ的取值范围；Ei为第i次信息，本发明中为第i次坝顶开裂前的异常变形状态持续时间
π(λ|Ei)为获得第i次信息后更新的λ的概率分布，即后验概率分布；πi-1(λ)为获得新信息前λ的概率分布，即先验概率分布。
当第一次更新λ的概率分布时，需要知道未获得任何信息前λ的先验概率密度函数π0(λ)。由于一般情况下仅能大致估计λ的可能取值范围，而无法确定λ取哪个值或哪些值的可能性更大。因此，采用均匀分布构建较为合适，即：
式中，λmin为λ的可能最小值；λmax为λ的可能最大值。
8)更新λ的概率分布后，返回第(3)步，进行下一次坝顶开裂风险评估和预警。
本发明的有益效果为：
目前高心墙堆石坝坝顶开裂风险评估以确定性方法为主，即利用变形监测数据或数值模拟计算坝顶变形倾度，再与给定的阈值进行比较，当变形倾度超过阈值时，认为坝顶存在开裂风险。确定性方法只能定性评价坝顶开裂风险，无法量化风险大小(如开裂概率)。此外，确定性方法无法预估坝顶可能开裂的时间。本发明提出了一种高心墙堆石坝坝顶开裂风险动态评估及预警方法。该方法根据库水位的实时监测值，计算坝顶顺河向沉降变形倾度，并与变形倾度阈值比较，判断坝顶变形是否出现异常；当坝顶变形处于异常状态时，确定异常变形状态的持续时间，计算坝顶开裂时变概率，估计开裂时间，发出开裂预警，解决了确定性方法不能定量评价坝顶开裂风险和提前预估坝顶开裂时间的问题。
附图说明
图1是本发明高心墙堆石坝坝顶开裂风险动态评估及预警方法流程图；
图2是本发明实施例高心墙堆石坝最大横断面图；
图3是本发明实施例高心墙堆石坝二维有限元模型；
图4是本发明实施例某高心墙堆石坝的填筑、蓄水和库水位变化过程；
图5是本发明实施例测点TP14的位移监测值与计算值对比；
图6是本发明实施例测点SG18的位移监测值与计算值对比；
图7是本发明实施例测点CH19的位移监测值与计算值对比；
图8是本发明实施例测点SG25的位移监测值与计算值对比；
图9是本发明实施例某高心墙堆石坝坝顶顺河向沉降变形倾度过程线及历次开裂时间；
图10是本发明实施例根据历次坝顶开裂后更新的参数λ计算的坝顶开裂时变概率；
图11是本发明实施例历次坝顶开裂时间(即开裂前异常变形状态的持续时间)的估计结果；
图12是本发明实施例历次坝顶开裂的提前预警时间；
图13是本发明实施例历次坝顶开裂后更新的参数λ的概率分布。
具体实施方式
下面将结合本发明具体的实施例，对本发明技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出了一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，流程如图1所示，即建立高心墙堆石坝有限元模型，进行大坝填筑-蓄水-运行全过程变形数值模拟，根据大坝典型部位的位移监测数据，进行坝与地基材料参数反演；采用通过参数反演率定的大坝有限元模型，将库水位的实时监测值输入模型，计算坝顶顺河向沉降变形倾度，并与变形倾度阈值比较，判断坝顶变形是否出现异常；当坝顶变形处于异常状态时，确定异常变形状态的持续时间，计算坝顶开裂时变概率，估计开裂时间，并发出开裂预警；坝顶开裂后，根据坝顶开裂前的异常变形状态持续时间，采用贝叶斯方法对坝顶开裂概率和开裂时间计算公式中参数的概率分布进行更新，用于下一次坝顶开裂风险评估和预警。
以下结合附图与实例对本发明做进一步详细说明。
某高心墙堆石坝位于中国西南地区的大渡河干流上，其主要目的为防洪与发电。坝顶高程为856.00m，最大坝高186m，坝顶宽度14m。上游与下游坡比分别为1:2.0和1:1.8。大坝主要防渗结构为砾石土心墙，心墙顶高854.00m，顶宽为4m，心墙上下游坡比均为1:0.25。坝壳料主要由堆石组成，在坝壳与心墙间设置了过渡层和反滤层。该高心墙堆石坝在每年高水位运行期间均发生坝顶开裂，裂缝出现在坝轴线附近，发现裂缝后都进行了封闭处理。历次坝顶开裂时间见表1。
表1某高心墙堆石坝历次坝顶开裂时间
采用本发明方法对该高心墙堆石坝坝顶开裂时变概率和开裂时间进行计算，并与实际开裂时间进行对比，具体步骤如下：
(1)根据该高心墙堆石坝的结构尺寸、材料分区和坝基地质条件(见图2)，建立大坝最大横断面的二维有限元模型，如图3所示。有限元模型模拟范围为：自建基面向下延伸1.5倍坝高(约279m)，上下游方向分别延伸1.5倍坝高(约279m)。模型坐标系统的X轴正方向为上游指向下游，Y轴的正方向为竖直向上。模型共划分为2783个单元和2686个结点。根据坝顶TP14、心墙附近SG18和CH19、下游堆石区SG25四个位移测点的位置(见图2)，在有限元模型中布置相应结点，以方便提取位移计算结果，用于参数反演。
(2)对大坝填筑-蓄水-运行全过程变形进行有限元数值模拟，大坝填筑、蓄水及库水位变化过程如图4所示。自重、渗压等荷载作用下的坝体瞬时变形采用邓肯-张EB模型计算，上游堆石体浸水后产生的湿化变形采用三参数湿化模型确定，长期运行过程中由于材料蠕变产生的随时间增长的坝体变形采用七参数蠕变模型模拟。
根据大坝填筑-蓄水-运行过程中测点TP14、SG18、CH19和SG25的位移监测数据，进行参数反演。采用响应面法构建上述测点位移计算值与材料参数间的响应关系，再按位移计算值与监测值的误差平方和建立参数反演目标函数，最后根据目标函数值最小的准则，采用遗传算法搜索最优参数，结果见表2～表4，采用反演参数计算的测点位移和实测位移的对比如图5～图8所示。由图可见，计算位移和实测位移的变化规律一致，量值接近，相对误差基本在6％以内，表明通过参数反演率定的有限元模型可以比较准确地模拟该高心墙堆石坝的变形。
表2某高心墙堆石坝坝体与地基材料的邓肯-张模型参数反演结果
表3某高心墙堆石坝坝体与地基材料的蠕变模型参数反演结果
表4某高心墙堆石坝上游堆石的湿化模型参数反演结果
| 材料 | c<sub>w</sub> | n<sub>w</sub> | d<sub>w</sub> |
| 上游堆石 | 5.47e-4 | 1.367 | 2.65e-3 |
(3)采用通过参数反演率定的大坝有限元模型，将库水位的实时监测值输入模型，计算坝体变形，提取坝顶坝轴线附近结点沉降位移，采用下式计算坝顶顺河向沉降变形倾度γs：
式中，Sup、Sdown分别为坝顶坝轴线两侧结点的沉降位移；Δy为两结点间的距离。
计算得到的坝顶顺河向沉降变形倾度过程线如图9所示，图中还标出了历次坝顶开裂时间。由图可见，坝顶顺河向沉降变形倾度与库水位具有明显正相关关系，库水位上升时变形倾度相应增大，最大变形倾度为0.98％。
(4)通过γs和变形倾度阈值γc(本实例选取γc＝0.5％)的比较，判断坝顶变形是否处于异常状态。当γs<γc时，表明坝顶变形未出现异常，返回第(3)步；当γs>γc时，表明坝顶变形出现异常。
(5)当判断坝顶变形处于异常状态时，确定异常变形状态的持续时间TAS，计算坝顶开裂时变概率：
由于式(9)中的参数λ是随机变量，因此，需要根据λ的概率分布，对λ进行随机抽样，再计算相应的开裂概率。本实例根据历次坝顶开裂后更新的λ的概率分布，计算得到坝顶开裂概率的均值、95％和5％分位值过程线，如图10所示，图中还标出了历次坝顶开裂时对应的开裂概率均值。由图可见，随着信息的增加，可以对参数λ的概率分布进行动态更新和辨识，坝顶开裂概率计算值的置信区间逐渐缩窄，开裂风险预测精度不断提升。
(6)估计坝顶开裂时间，发出开裂预警。具体方法如下：
1)根据过去发生的坝顶开裂事件，确定其开裂时间
采用式(9)计算相应的开裂概率
2)对计算得到的
进行统计分析，确定其均值及95％、5％分位值，分别代入式(10)计算当前坝顶开裂时间的均值和上下界限：
式(10)中的参数λ采用其概率分布的均值。
历次坝顶开裂时间的估计结果如图11所示。由图可见，实际观察到的坝顶开裂时间均位于采用本发明方法估计的坝顶开裂时间界限内。此外，随着观察信息的增加，开裂时间的估计值区间逐步收窄，开裂时间估计精度逐步提高。
3)根据开裂时间的下限估计值发出坝顶开裂预警，历次坝顶开裂的提前预警时间如图12所示。结果表明，采用本发明方法可以提前20天～70天发出坝顶开裂预警。
(7)发出开裂预警后，对坝顶是否开裂进行巡视检查，如果直到异常变形状态结束时坝顶都未开裂，则回到第(3)步；如果坝顶开裂，则确定坝顶开裂前的异常变形状态持续时间
本实例中历次坝顶开裂前的异常变形状态持续时间见表5。
表5历次坝顶开裂前异常变形状态持续时间统计表
(8)根据实际观测到的
采用贝叶斯方法对参数λ的概率分布进行更新。具体方法如下：
1)根据第i次坝顶开裂前的异常变形状态持续时间
构造似然函数(给定λ情况下观察到
的条件概率或与该条件概率成比例的一个数)，即：
2)将构造的似然函数代入式(12)，更新λ的概率分布，即：
式中，Θ为λ的取值范围；Ei为第i次信息，本发明中为第i次坝顶开裂前的异常变形状态持续时间
π(λ|Ei)为获得第i次信息后更新的λ的概率分布，即后验概率分布；πi-1(λ)为获得新信息前λ的概率分布，即先验概率分布。
当第一次更新λ的概率分布时，需要知道未获得任何信息前λ的先验概率密度函数π0(λ)。由于一般情况下仅能大致估计λ的可能取值范围，而无法确定λ取哪个值或哪些值的可能性更大，故采用均匀分布构建π0(λ)较为合适。本实例中λ的可能取值范围估计为(0,300)，因此，构建π0(λ)如下：
根据历次坝顶开裂后确定的异常变形状态持续时间(见表5)，对参数λ的概率分布进行更新，结果如图13所示。从图可见，随着观测信息的不断累积，参数λ后验分布的离散性逐渐减小，表明对参数λ的认知逐渐清晰。
(8)更新λ的概率分布后，返回第(3)步，进行下一次坝顶开裂风险评估和预警。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，其特征在于，包括以下步骤：
1)将库水位的实时监测值输入建立的高心墙堆石坝有限元模型，计算坝体变形，提取坝顶沉降位移值，计算坝顶顺河向沉降变形倾度γs，即：
式中，SA、SB分别为坝顶结点A和B的沉降位移，Δy为A、B两点间的距离；
2)通过γs和坝顶沉降变形倾度阈值γc的比较，判断坝顶变形状态；当γs<γc时，表明坝顶变形未出现异常，返回第1)步；当γs>γc时，表明坝顶变形出现异常；
3)当坝顶变形处于异常状态时，确定异常变形状态的持续时间TAS，计算坝顶开裂时变概率，估计开裂时间，并发出开裂预警；
①采用指数分布描述TAS的概率分布，即：
式中，λ为指数分布的参数，λ＝E(TAS)，即λ为TAS的期望值。由于缺乏历史数据，λ也是不确定的，是一个随机变量；
②计算坝顶开裂时变概率，对式(2)进行积分，可以得到时间t～内坝顶开裂的概率为：
式中，λ是随机变量，因此，需要根据λ的概率分布，对λ进行随机抽样，再计算相应的开裂概率；
③与给定概率
对应的坝顶开裂时间为：
根据过去发生的坝顶开裂事件，确定其开裂时间
采用式(3)计算相应的开裂概率
对计算得到的
进行统计分析，确定其均值及95％、5％分位值，分别代入式(4)计算当前坝顶开裂时间的均值和上下界限，并根据开裂时间的下限估计值发出开裂预警；
4)发出开裂预警后，对坝顶是否开裂进行巡视检查，如果直到异常变形状态结束时坝顶都未开裂，则回到第1)步；如果坝顶开裂，则确定坝顶开裂前的异常变形状态持续时间
2.根据权利要求1所述的一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，其特征在于，建立高心墙堆石坝有限元模型为：
根据大坝结构尺寸、材料分区和坝基地质条件，建立高心墙堆石坝有限元模型，按照坝体位移测点位置，在有限元模型中布置相应结点，以方便提取有限元计算结果，用于参数反演；
进行高心墙堆石坝填筑-蓄水-运行全过程变形数值模拟；其中，自重、渗压荷载作用下的坝体瞬时变形采用邓肯-张EB模型计算；上游堆石体浸水后产生的湿化变形采用三参数湿化模型确定；长期运行过程中由于材料蠕变产生的随时间增长的坝体变形采用七参数蠕变模型模拟；根据大坝填筑-蓄水-运行过程中典型部位的位移监测数据，进行坝与地基材料参数反演，使坝体位移的有限元计算值与实测值尽可能吻合，保证坝顶变形倾度计算结果的准确性。
3.根据权利要求1所述的一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，其特征在于，还包括根据实际观测到的
采用贝叶斯方法对参数λ的概率分布进行更新。
4.根据权利要求3所述的一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，其特征在于，包括：
①根据第i次坝顶开裂前的异常变形状态持续时间
构造似然函数，即：
②将构造的似然函数代入式(6)，更新λ的概率分布，即：
式中，Θ为λ的取值范围；Ei为第i次信息；π(λ|Ei)为获得第i次信息后更新的λ的概率分布，即后验概率分布；πi-1(λ)为获得新信息前λ的概率分布，即先验概率分布。
5.根据权利要求4所述的一种高心墙堆石坝坝顶开裂风险动态评估及预警方法，其特征在于，当第一次更新λ的概率分布时，采用均匀分布构建先验概率密度函数π0(λ)，即：
式中，λmin为λ的可能最小值；λmax为λ的可能最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110066659.7A CN112632838A (zh) | 2021-01-19 | 2021-01-19 | 一种高心墙堆石坝坝顶开裂风险动态评估及预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110066659.7A CN112632838A (zh) | 2021-01-19 | 2021-01-19 | 一种高心墙堆石坝坝顶开裂风险动态评估及预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112632838A true CN112632838A (zh) | 2021-04-09 |
Family
ID=75294736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110066659.7A Pending CN112632838A (zh) | 2021-01-19 | 2021-01-19 | 一种高心墙堆石坝坝顶开裂风险动态评估及预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112632838A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418321A (zh) * | 2021-12-24 | 2022-04-29 | 杭州鲁尔物联科技有限公司 | 一种基于物联网的水库大坝群实时预警可视化集成监控系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107180125A (zh) * | 2017-04-24 | 2017-09-19 | 中国水利水电科学研究院 | 预测混凝土坝坝体裂缝扩展的分析方法 |
| JP2017211887A (ja) * | 2016-05-26 | 2017-11-30 | ファイフィット株式会社 | 有限要素法解析方法、有限要素法解析装置、解析サービスシステムおよび有限要素法解析プログラムを記録した記録媒体 |
| CN109993742A (zh) * | 2019-04-04 | 2019-07-09 | 哈尔滨工业大学 | 基于对角倒数算子的桥梁裂缝快速识别方法 |
| CN111210519A (zh) * | 2019-12-25 | 2020-05-29 | 四川大学 | 一种高心墙堆石坝变形参数反演方法 |
| CN111691358A (zh) * | 2020-06-18 | 2020-09-22 | 河海大学 | 一种重力坝表观裂缝危险性预测方法及系统 |
| CN112200398A (zh) * | 2020-07-06 | 2021-01-08 | 水利部南京水利水文自动化研究所 | 一种重力坝安全表面变形预警方法和装置 |
-
2021
- 2021-01-19 CN CN202110066659.7A patent/CN112632838A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017211887A (ja) * | 2016-05-26 | 2017-11-30 | ファイフィット株式会社 | 有限要素法解析方法、有限要素法解析装置、解析サービスシステムおよび有限要素法解析プログラムを記録した記録媒体 |
| CN107180125A (zh) * | 2017-04-24 | 2017-09-19 | 中国水利水电科学研究院 | 预测混凝土坝坝体裂缝扩展的分析方法 |
| CN109993742A (zh) * | 2019-04-04 | 2019-07-09 | 哈尔滨工业大学 | 基于对角倒数算子的桥梁裂缝快速识别方法 |
| CN111210519A (zh) * | 2019-12-25 | 2020-05-29 | 四川大学 | 一种高心墙堆石坝变形参数反演方法 |
| CN111691358A (zh) * | 2020-06-18 | 2020-09-22 | 河海大学 | 一种重力坝表观裂缝危险性预测方法及系统 |
| CN112200398A (zh) * | 2020-07-06 | 2021-01-08 | 水利部南京水利水文自动化研究所 | 一种重力坝安全表面变形预警方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| YONGFEIWANG等: "Dynamic Risk Evaluation and Early Warning of Crest Cracking for High Earth-Rockfill Dams through Bayesian Parameter Updating", 《APPLIED SCIENCES》 * |
| 李宗坤等: "基于模糊集理论的土石坝开裂破坏风险分析", 《郑州大学学报(工学版) 》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418321A (zh) * | 2021-12-24 | 2022-04-29 | 杭州鲁尔物联科技有限公司 | 一种基于物联网的水库大坝群实时预警可视化集成监控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnson et al. | Probabilistic bridge scour estimates | |
| CN103292762B (zh) | 判别大坝稳定性的位移监测方法 | |
| Titova et al. | Lifetime of earth dams | |
| CN113762796A (zh) | 一种铁路工程设施暴雨洪水动态风险图分析方法 | |
| CN104482991B (zh) | 一种确定危坝坝体安全库水位的测定参数与预警方法 | |
| CN113128098B (zh) | 基于de-lof的混凝土坝奇异值检测方法和设备 | |
| CN112504357B (zh) | 一种河道过流能力动态分析方法和系统 | |
| CN111241478A (zh) | 一种考虑历史洪水的洪水频率估计方法 | |
| Kamrath et al. | Assessment of discharge through a dike breach and simulation of flood wave propagation | |
| US20240184960A1 (en) | Calculation method for dike breach development process | |
| CN114861279B (zh) | 水工混凝土结构温度仿真一致性检验方法及其检验系统 | |
| CN112632838A (zh) | 一种高心墙堆石坝坝顶开裂风险动态评估及预警方法 | |
| CN111259479A (zh) | 一种基于实测数据的重力坝扬压力分级预警方法 | |
| CN106501147A (zh) | 一种堤坝渗透稳定性与溃堤风险的测定方法 | |
| CN114021078A (zh) | 一种大坝监测量最佳统计模型优选方法 | |
| CN116167240A (zh) | 一种大坝结构损伤的多测点联合监控方法 | |
| CN108427654A (zh) | 一种中型以上淤地坝已淤积库容快速演算方法 | |
| CN116776779A (zh) | 排水管网的淤积检测方法及计算机可读存储介质 | |
| CN114781156B (zh) | 基于bim的航道养护措施分析方法 | |
| CN113742814B (zh) | 大坝安全预警方法、装置、计算机设备和存储介质 | |
| Sun et al. | Application of HEC-RAS for flood forecasting in perched river–A case study of hilly region, China | |
| CN113887033A (zh) | 一种感潮河段泥沙淤积预测方法 | |
| Fang et al. | Research on safety assessment method and system of a heightened concrete face rockfill dam in Zhejiang province | |
| Wu et al. | Assessment model of dam operation risk based on monitoring data | |
| CN113569444B (zh) | 一种堤身材料渗透系数随机序贯反演方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |
|
| RJ01 | Rejection of invention patent application after publication |