CN113468795B - 不同参数材料分区浇/填筑坝变形混合模型通用建立方法 - Google Patents

不同参数材料分区浇/填筑坝变形混合模型通用建立方法 Download PDF

Info

Publication number
CN113468795B
CN113468795B CN202110362119.3A CN202110362119A CN113468795B CN 113468795 B CN113468795 B CN 113468795B CN 202110362119 A CN202110362119 A CN 202110362119A CN 113468795 B CN113468795 B CN 113468795B
Authority
CN
China
Prior art keywords
dam
deformation
water level
model
measuring point
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.)
Active
Application number
CN202110362119.3A
Other languages
English (en)
Other versions
CN113468795A (zh
Inventor
方卫华
徐兰玉
陈允平
蒋新新
张威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Original Assignee
Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources filed Critical Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Priority to CN202110362119.3A priority Critical patent/CN113468795B/zh
Publication of CN113468795A publication Critical patent/CN113468795A/zh
Application granted granted Critical
Publication of CN113468795B publication Critical patent/CN113468795B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/23Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了不同参数材料分区浇/填筑坝变形混合模型通用建立方法,首先根据大坝结构特征选取测点所在坝段或坝体并确定各区相应的材料本构模型,建立高精度坝段或坝体数值模型,对各材料的本构参数进行敏感性分析,选定敏感参数结合坝体各材料分区,采用均匀设计确定材料参数‑水位分区组合;对于每种参数组合,对应不同水位通过数值计算确定测点的水位‑变形样本并拟合变形‑水位函数;将均匀设计所有材料组合所得的变形‑水位函数代入总体方程,通过最优化算法获得各函数的待定系数,从而得到测点变形的混合模型;本发明可建立混凝土坝或土石坝施工期和运行期变形混合模型,也可推广到变形、渗流及应力确定性建模。

Description

不同参数材料分区浇/填筑坝变形混合模型通用建立方法
技术领域
本发明涉及大坝安全监测技术领域,具体涉及不同参数材料分区浇/填筑坝变形混合模型通用建立方法。
背景技术
混合模型是在模型中对一部分影响因素采用数值计算确定性模型的形式,其它影响因素采用统计模型的形式,最终结果以统计方法统一求解参数而得到。常见的混合模型水压分量用有限元计算值,其他分量仍用统计模式,然后与实测值进行优化拟合建立模型。现有混凝土重力坝混合模型的基本形式为
δ=Xf(H)+f(T)+f(t) (1)
式中:δ是监测效应量位移;f(H)是水压分量;f(T)是温度分量;f(t)的是时效分量;X为水压分量的调整参数。实际上,上述假设是基于整个大坝为单一弹性模量的材料构成、坝体弹性模量与坝基弹性模量成比例线性条件下得到的,实际上大坝是采用分区浇筑或填筑的,混凝土坝体(段)是由不同标号的混凝土分区浇筑而成,而土石坝各区域采用不同土石材料填筑而成,大坝各区域材料本构模型及参数都不相同,为此原有的数学模型(1)不适应真实条件下大坝的混合模型的建立。
发明内容
本发明的目的在于提供不同参数材料分区浇/填筑坝变形混合模型通用建立方法,以解决现有技术中导致的上述缺陷。
为达到上述目的,本发明是采用下述技术方案实现的:
不同参数材料分区浇/填筑坝变形混合模型通用建立方法,包括如下步骤:
确定测点所在的坝体或坝段,并获取测点所在的坝体或坝段以及对应的坝基、坝肩的材料分区;
确定各分区材料的本构模型,对本构模型进行参数敏感性分析,根据试验、检测信息确定各分区的材料参数存在区间;
确定各分区材料参数区间的子区间,根据全部材料分区数和各区材料敏感参数的各自子区间,同时考虑水位变化区间,采用均匀设计确定材料-水位的组合及组合数;
对每种材料参数组合,进行不同水位条件下的变形数值计算,确定测点的水位-变形样本,当水位样本不足时采用插值方法获得;
根据数值计算得到的测点变形-水位样本,建立变形-水位拟合方程;
遍历所有分区材料组合得到不同组合条件下变形-水位拟合方程并全部代入总体回归方程,采用优化算法获得各变形方程的相应系数,形成测点变形的总体混合模型。
进一步地,所述确定不同参数材料的本构模型包括:
判断坝体或坝基的材料类型,若为运行期大坝的混凝土和岩石材料,则取线弹塑性模型,弹性阶段材料分区i的本构模型参数为(Ei,μi),其中i=1,2,…M,M为材料的分区个数;若为施工期混凝土大坝则选用黏弹塑性本构模型;
若为土体或堆石材料,则从邓肯E-B模型、剑桥模型、南水模型或河海模型中根据材料特性选取相应的本构模型。
进一步地,确定变形测点所在的坝体或坝段,并根据测点所在的坝体或坝段确定相应的材料分区,对于分段浇筑的混凝土重力坝,如选取的是中间坝段则不存在坝肩,只取测点所在坝段和坝基相应空间;如果是两岸坝段则需加上坝肩;如果是拱坝则取整个坝体及坝基和坝肩,对土石坝根据其河谷形状确定;V型河谷土坝取整体,而对U型河谷的土坝中间测点可取平面。
进一步地,根据测点水位-变形样本建立变形-水位拟合多项式包括如下步骤:
将有限元计算获得的变形-水位样本分成训练样本和检验样本,其中,训练样本比例为9/10,检验样本为1/10;
将训练样本采用最小二乘法、偏最小二乘或抗差估计方法建立变形-水位多项式拟合方程;其中,所述检验样本用于检验变形-水位多项式拟合方程的泛化能力和精度,对于不能满足泛化推广能力和精度的变形-水位拟合方程需要重新建立。
进一步地,其特征在于,单一材料组合条件下变形-水位多项式拟合方程的表达式具体如下:
若材料为运行期大坝的混凝土材料,则多项式的表达式为:
若材料为土体、堆石材料或施工期混凝土,则多项式的表达式为:
其中,H为测点对应的水深,j为幂次数;τ、ω为水深变化对变形影响的延迟时间,具体项数根据试算和分析确定为多项式系数。
进一步地,采用仿生优化算法获得各变形-水位拟合方程的相应系数。
进一步地,所述总体混合模型为:
式中:δ是测点位移;是水压分量;f(T)是温度分量;f(t)是时效分量;N是材料组合数,Ai是拟合方程的系数。
根据上述技术方案,本发明的实施例至少具有以下效果:
1、本方法克服现有混合模型只能适用于单一材料的情形,通用性强,可推广到多材料坝确定性模型的建立;本方法充分考虑到真实情况下大坝各部位混凝土标号和土石材料力学性质不同,而且本发明的方法也适用于非线性本构模型的大坝;
2、本申请考虑了测点所处的空间位置、断面各部位的不同材料,提高了泛化能力,适应真实条件下的大坝混合模型的建立。
附图说明
图1为本发明具体实施方式建模方法的整体流程图;
图2为本发明具体实施方式优化算法的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
本发明公开一种真实条件下不同参数材料分区浇/填筑坝变形混合模型通用建立方法,充分考虑到真实情况下大坝各部位混凝土标号和土石材料力学性质不同,而且本发明的方法适用于非线性本构模型的大坝。
本发明基于大坝分区浇筑或填筑,大坝(坝段)各区域材料参数不同的事实,充分应用参数辨识、全局敏感性等思想,公开了一个单测点变形混合模型的建模方法。本方法充分考虑到大坝(或坝段)各区域材料参数对变形的影响程度及其之间的相互作用,真实反映了单个测点所在部位的结构变形的本质,考虑到实测变形数据中客观存在的坝体性态的整体信息的相互关系。
本发明公开了不同参数材料分区浇/填筑坝变形混合模型通用建立方法,首先根据大坝分段浇筑情况选取测点所在相应的坝段或坝体,并根据各其筑坝材料及地基(坝肩)材料特性确定相应的本构模型,建立针对性坝段或坝体(包括坝基和坝肩)数值模型,在此基础上对各区域材料的本构模型参数进行敏感性分析,选定敏感参数结合及坝体各个材料分区,采用均匀设计确定材料-材料分区组合;对于每一种材料组合,通过数值计算确定测点的水位-变形样本,采用多项式拟合确定变形-水位函数关系式;根据组合将均匀设计所有材料-区域组合的变形-水位多项式关系代入总的回归方程,通过最优化算法获得各多项式函数的待定系数,从而得到测点变形的混合模型;本发明克服现有混合模型只能适用于单一材料混凝土坝的情形,具有通用性强、力学意义明确,可推广到多材料坝的变形、渗流及应力确定性模型的建立。
如图1和图2所示,本发明包括如下步骤:
步骤一、确定测点所在的坝体或坝段,并获取测点所在的坝体或坝段以及对应的坝基、坝肩的材料分区。
建立数值模型,对于拱坝取整体大坝;对于V型河谷土坝取整体,而对U型河谷的土坝中间测点可取平面,而两岸测点需取整体;重力坝可取测点所在坝段包括坝基础和坝体材料分区。
步骤二、确定各材料分区的本构模型,对本构模型进行参数敏感性分析,确定各材料分区的材料参数区间。
假设材料共分成M个区域,则根据材料选定的本构模型,确定的材料参数。如对于混凝土坝假设混凝土为理想弹塑性材料,则i区域材料的本构参数可以表示为(Ei,μi),其中i=1,2,…M。对于混凝土材料取线弹性模型,对于土体取邓肯E-B模型。再根据敏感性分析确定模型敏感参数,一般混凝土材料取弹性模量,对于E-B模型则取体积变形模量等参数。再根据材料室内试验、现场检测或工程经验确定各区域材料的变化区间,如对于线弹性材料弹性模量同时确定上下游库水位变化范围[W,W]。
步骤三、根据精度要求或工程等级确定各材料参数区间的子区间,根据各材料分区的数量及其子区间采用均匀设计确定材料的组合数。
考虑各区域和库水位的变化,形成相应的大坝不同区域材料组合,共有N种组合。
某运行期正常工作重力坝按材料及结构分IV区,坝体分两区,混凝土弹性模量分别为Ec1、Ec2,坝基岩体分两区,岩体弹性模量E21,岩体弹性模量E22,除以上参数外上游水位H也是测点变形的关键因素之一,各因素取值区间见表1。
表1、参数区间表
参数 Ec1 Ec2 E21 E22 H
区间 16~29 15~30 12~30 10~25 92.70~101.90
注:表中弹性模量的单位为GPa,水位单位为m。
在上述最终确定的5个因素中,每个因素各取31个水平,选择均匀设计表2,对应使用表见表3。
表2、均匀设计表
表3、的使用表
s 列号 D
2 1 4 0.0554
3 1 4 8 0.0908
4 2 6 9 10 0.11
5 3 4 5 7 8 0.1431
注:s为因素数,D表示刻画均匀度的偏差。
步骤四、根据均匀设计的每种材料参数组合数,采用不同的水位进行数值计算组建模型样本。
对于具有复杂边界的大坝建立大坝自适应等几何分析-有限元耦合三维数值模型,并将步骤1中待建立变形混合模型的测点作为节点,并将上述步骤三的条件逐一力学参数组合情况进行分别计算,获得在水位变化范围[W,W]不同水位下的变形测点输出序列,组成建立模型样本。(假设步骤三均匀设计获得N种材料力学参数组合,对于每一种材料参数组合,将水位在变幅范围内进行采样,采样数不少于50,每次采用通过数值计算获得测点变形和水深的测值序列,每一种荷载组合获得不少于50个样本)。
步骤五、根据水位-测点变形样本建立变形-水位拟合方程;
将上述样本组分成训练样本和检验样本,其中训练样本比例为9/10,检验样本为1/10(此样本前面用于最小二乘法建立变形-水位拟合方程,后面1/10样本用于检验模型的泛化能力和精度,对于不能满足泛化推广能力和精度的模型需要重新建立)。
变形因子选择水位的当日和前10日的水深的0.5、1、1.5、2、2.5、3、3.5、4次幂作为因子,采用最小二乘逐步回归确定变形-水位,yi=fi[H,h,(H)j…](其中H为上游水深,h为下游水深,j为幂指数)。
由于本发明针对各类大坝通用的混合模型建模型方法,首先必须对大坝进行分类,将大坝材料分成混凝土(岩石)材料和土(堆石)两类,前者采用线弹性本构模型,后者采用非线性弹(塑)型本构模型。前者无需考虑应力路径的影响,而后者需要考虑应力路径的影响。
因此在变形-水位多项式关系时候,前者采用实时同步水深,后者不仅还要考虑实时同步水深,还要考虑前面若干天的水深,具体考虑滞后时间的长度由相关性确定。
前者多项式形式如下:
后者多项式形式如下:
式中τ、ω为水深变化对变形影响的延迟时间,为多项式系数,多项式系数可采用最小二乘、偏最小二乘法或抗差估计等方法得到。
步骤六、将所有材料组合数的变形-水位拟合方程代入总体方程,采用化算法获得各变形-水位拟合方程的相应系数,形成测点变形的总体混合模型。
对上逐步回归模型进行精度和泛化能力检验,得到最优回归模型。(泛化能力和精度的表示为根据实测资料的采样周期,预测下一个采样周期变形的误差在1倍的剩余标准差范围内,此为合格)
将所有的回归模型之和取代δ=Xf(H)+f(T)+f(t)式中的Xf(H),其他温度因子和时效因子采用已有方法确定。
本发明模型参数辨识采用全局优化算法—自适应混沌粒子群算法。该方法实现简单、参数少,并具有全局优化特点,同时引入了适应度自适应策略、定向扰动机制以及混沌映射等,能获得更高效的寻优效率和全局优解。
粒子群优化是根据群鸟捕食行为而构建的一种智能优化算法,具有实现简单、收敛速度快、并行性好等优点。该算法的更新公式核心因素有两个:粒子当前最优解Pbest和全局最优解Gbest,前者为每个粒子当前找到的最优解,后者是整个种群的历史最优解。智能算法容易陷入局部最优,初始种群的质量直接决定了优化结果的质量。虽然粒子群算法在速度更新过程中存在一些随机扰动,但效果仍不理想。混沌系统是由非线性确定系统产生的一种随机不规则运动。混沌函数产生的混沌序列,具有不确定性、不可重复性以及不可预测性等特点。因此,在优化算法中引入混沌系统,使其候选解集更具有多样性,从而有效避免陷入局部最优解。混沌函数有很多种,如logistic函数、Ikeda函数、Hénon函数等,本项目采用如下的混沌序列{uk}:
yk+1=cos(2πμk)+yke-3 (4)
μk+1=(μk+400+12yk+1)[mod(1)] (5)
式中,k为混沌指数,y0和u0是0~1间的随机数;y0和u0是初值,即k=0时。
混沌序列嵌入优化算法的常用方式有两种:①种群初始化过程中利用混沌序列映射出随机位置;②对候选解更新步长做混沌随机化处理。取方式②,对粒子群速度和位置更新公式中的r1和r2做混沌映射,即
式中,和/>从混沌序列{uk}随机挑选,/>为第i个粒子第t次迭代后的速度矢量和位置,c1和c2是2个常数,其值的范围为1.5~2,/>为第i个粒子第t次迭代后的最佳位置,/>为所有粒子第t次迭代后的最佳位置。
为兼顾算法初期的全局空间探索能力及后期的局部开发能力,在式(6)中加入惯性权重wt,具体为
式中,Tmax是最大迭代次数,ws和wf分别表示初始及末代权重值。
式(4)改写为:
综上,混沌粒子群算法(Chaotic Particle Swarm Optimization,CPSO)的流程步骤可描述为:
(1)随机初始化种群并生成混沌序列{uk};
(2)从混沌序列{uk}中随机挑选出和/>
(3)循环迭代次数
利用式(8)更新惯性权重值;
a.评价粒子群的适应度;
b.循环每个粒子;
从混沌序列{uk}更新和/>
通过式(9)和式(7)更新粒子的速度和位置;
c.重复循环,直到粒子的种群规模;
(4)循环迭代次数,直到达到Tmax
采用混沌粒子群算法进行参数反演的流程如图2所示。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (1)

1.不同参数材料分区浇/填筑坝变形混合模型通用建立方法,其特征在于,包括如下步骤:
确定测点所在的坝体或坝段,并获取测点所在的坝体或坝段以及对应的坝基、坝肩的材料分区;
确定各分区材料的本构模型,对本构模型进行参数敏感性分析,根据试验、检测信息确定各分区的材料参数存在区间;
确定各分区材料参数区间的子区间,根据全部材料分区数和各区材料敏感参数的各自子区间,同时考虑水位变化区间,采用均匀设计确定材料-水位的组合及组合数;
对每种材料参数组合,进行不同水位条件下的变形数值计算,确定测点的水位-变形样本,当水位样本不足时采用插值方法获得;
根据数值计算得到的测点变形-水位样本,建立变形-水位拟合方程;
遍历所有分区材料组合得到不同组合条件下变形-水位拟合方程并全部代入总体回归方程,采用优化算法获得各变形方程的相应系数,形成测点变形的总体混合模型;
所述确定各分区材料的本构模型包括:
判断坝体或坝基的材料类型,若为运行期大坝的混凝土和岩石材料,则取线弹塑性模型,弹性阶段材料分区i的本构模型参数为(Ei,μi),其中i=1,2,...M,M为材料的分区个数;若为施工期混凝土大坝则选用黏弹塑性本构模型;
若为土体或堆石材料,则从邓肯E-B模型、剑桥模型、南水模型或河海模型中根据材料特性选取相应的本构模型;
确定变形测点所在的坝体或坝段,并根据测点所在的坝体或坝段确定相应的材料分区,对于分段浇筑的混凝土重力坝,如选取的是中间坝段则不存在坝肩,只取测点所在坝段和坝基相应空间;如果是两岸坝段则需加上坝肩;如果是拱坝则取整个坝体及坝基和坝肩,对土石坝根据其河谷形状确定;V型河谷土坝取整体,而对U型河谷的土坝中间测点可取平面;
根据测点水位-变形样本,建立变形-水位拟合方程包括如下步骤:
将有限元计算获得的变形-水位样本分成训练样本和检验样本,其中,训练样本比例为9/10,检验样本为1/10;
将训练样本采用最小二乘法、偏最小二乘或抗差估计方法建立变形-水位多项式拟合方程;其中,所述检验样本用于检验变形-水位多项式拟合方程的泛化能力和精度,对于不能满足泛化推广能力和精度的变形-水位拟合方程需要重新建立;
单一材料组合条件下变形-水位多项式拟合方程的表达式具体如下:
若材料为运行期大坝的混凝土材料,则多项式的表达式为:
若材料为土体、堆石材料或施工期混凝土,则多项式的表达式为:
其中,H为测点对应的水深,j为幂次数;τ、ω为水深变化对变形影响的延迟时间,具体项数根据试算和分析确定为多项式系数;
采用仿生优化算法获得各变形-水位拟合方程的相应系数;
所述总体混合模型为:
式中:δ是测点位移;是水压分量;f(T)是温度分量;f(t)是时效分量;N是材料组合数,Ai是拟合方程的系数。
CN202110362119.3A 2021-04-02 2021-04-02 不同参数材料分区浇/填筑坝变形混合模型通用建立方法 Active CN113468795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110362119.3A CN113468795B (zh) 2021-04-02 2021-04-02 不同参数材料分区浇/填筑坝变形混合模型通用建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110362119.3A CN113468795B (zh) 2021-04-02 2021-04-02 不同参数材料分区浇/填筑坝变形混合模型通用建立方法

Publications (2)

Publication Number Publication Date
CN113468795A CN113468795A (zh) 2021-10-01
CN113468795B true CN113468795B (zh) 2023-10-31

Family

ID=77868411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110362119.3A Active CN113468795B (zh) 2021-04-02 2021-04-02 不同参数材料分区浇/填筑坝变形混合模型通用建立方法

Country Status (1)

Country Link
CN (1) CN113468795B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115879394B (zh) * 2023-02-15 2023-06-20 珠江水利委员会珠江水利科学研究院 一种基于数值模型的渗流分析方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130008737A (ko) * 2011-07-13 2013-01-23 한국수자원공사 사력댐 차수죤의 차수성 평가방법
CN108549770A (zh) * 2018-04-13 2018-09-18 西安理工大学 基于qga-mmrvm的堆石坝材料参数自适应反演方法
CN109117540A (zh) * 2018-08-02 2019-01-01 三峡大学 一种解决大坝混凝土力学参数反演不唯一性的概率统计分析方法
CN111259590A (zh) * 2020-01-17 2020-06-09 南昌大学 一种混凝土坝变形安全监控模型的构建方法
CN112100711A (zh) * 2020-08-10 2020-12-18 南昌大学 一种基于arima和pso-elm的混凝土坝变形组合预报模型构建方法
CN112199891A (zh) * 2020-10-14 2021-01-08 水利部南京水利水文自动化研究所 一种重力坝安全变形预警指标拟定方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130008737A (ko) * 2011-07-13 2013-01-23 한국수자원공사 사력댐 차수죤의 차수성 평가방법
CN108549770A (zh) * 2018-04-13 2018-09-18 西安理工大学 基于qga-mmrvm的堆石坝材料参数自适应反演方法
CN109117540A (zh) * 2018-08-02 2019-01-01 三峡大学 一种解决大坝混凝土力学参数反演不唯一性的概率统计分析方法
CN111259590A (zh) * 2020-01-17 2020-06-09 南昌大学 一种混凝土坝变形安全监控模型的构建方法
CN112100711A (zh) * 2020-08-10 2020-12-18 南昌大学 一种基于arima和pso-elm的混凝土坝变形组合预报模型构建方法
CN112199891A (zh) * 2020-10-14 2021-01-08 水利部南京水利水文自动化研究所 一种重力坝安全变形预警指标拟定方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Research advance in safety analysis methods for high concrete dam";REN QingWen,XU LanYu等;Science in China Series E: Technological Sciences;第50卷;第62-78页 *
"深厚覆盖层上RCC重力坝多场耦合强度折减法";方卫华等;应用基础与工程科学学报;第40-49页 *
"混凝土重力坝功能叠合区坝体应力计算方法探析";周天鸿等;中国水利水电科学研究院学报;第17卷(第05期);第379-385页 *

Also Published As

Publication number Publication date
CN113468795A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
Wu Depth-averaged two-dimensional numerical modeling of unsteady flow and nonuniform sediment transport in open channels
Feng et al. Estimating mechanical rock mass parameters relating to the Three Gorges Project permanent shiplock using an intelligent displacement back analysis method
CN112464584B (zh) 自由表面流的水位和流量推求方法
CN114997541B (zh) 一种基于数字孪生技术的城市内涝预测方法及预警平台
CN113468795B (zh) 不同参数材料分区浇/填筑坝变形混合模型通用建立方法
CN112307536B (zh) 一种大坝渗流参数反演方法
CN110457651A (zh) 一种利用数据同化改进的滑坡位移预测方法
De Lorenzo et al. Formulas for the peak discharge from breached earthfill dams
Zhang et al. Integrated hydrodynamic model for simulation of river-lake-sluice interactions
CN114692471A (zh) 一种岩溶地下水系统流网模拟方法
CN116127859A (zh) 一种裂隙岩体高温动水注浆模拟方法及系统
Van Gent et al. Neural network modelling of forces on vertical structures
CN115481554A (zh) 炸药熔铸固化过程热扩散数字孪生模型、温度场实时优化控制模型及方法
CN110222462A (zh) 海底挖沟工程预测方法、装置及服务器
CN108920737B (zh) 一种水动力模型的粒子滤波同化方法、装置和计算设备
CN116305731A (zh) 基于元胞自动机原理的土石坝溃决分析方法
CN114896909A (zh) 一种基于水位高度的明渠流量计算方法
CN114611820A (zh) 一种非等间距灰色bp神经网络深基坑变形预测方法
Tuan et al. Process-based modeling of the overflow-induced growth of erosional channels
Huang et al. Multi-factor building deformation analysis and prediction model based on multi-source date
Moreno et al. Real-time estimation of hydraulic fracture characteristics from production data
Level Calibration of CCHE2D for sediment simulation of Tarbela Reservoir
CN115796028B (zh) 埋地分段管道震害率预测模型构建方法、预测方法及装置
CN117195380B (zh) 一种预测当前隧道的岩体物理力学参数的方法
CN115796020A (zh) 基于galma基坑开挖降水诱发环境影响的预测方法

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
GR01 Patent grant
GR01 Patent grant