基于碾压质量实时监控的高心墙堆石坝沉降变形分析理论与应用.docxVIP

基于碾压质量实时监控的高心墙堆石坝沉降变形分析理论与应 用 高心墙堆石坝在建设过程中受自重及水压等荷载耦合作用产生变形 , 且上述 荷载随建设过程不断变化 ; 因此大坝沉降变形具有很强的动态性及非线性。高心 墙堆石坝沉降变形受控与否是工程建设成败的关键 , 其研究一直是大坝施工质量 与安全研究领域的热点问题。 现有的高心墙堆石坝沉降变形分析研究中 , 受到数据获取技术和手段的限制 难以实现沉降变形分析建模数据的实时更新 ; 因此无法精确描述大坝变形影响因 素的动态变化 , 也难以揭露大坝沉降变形时空分布规律。本文通过碾压质量实时 监控技术 , 实时获取高心墙堆石坝碾压施工过程信息 , 针对高心墙堆石坝沉降变 形分析的动态非线性和不确定性等特点 , 对考虑施工质量影响的高心墙堆石坝沉 降变形进行深入研究 , 取得了如下研究成果 :(1) 提出了基于碾压质量实时监控的 高心墙堆石坝沉降变形分析理论框架 , 建立了考虑施工质量因素的高心墙堆石坝 沉降变形分析模型数学模型 , 提出了基于碾压施工质量实时监控的高心墙堆石坝 沉降变形分析理论 , 为高心墙堆石坝沉降变形分析提供了理论支撑。 大坝碾压施工质量因素是高心墙堆石坝沉降变形分析中的重要影响因素之 一。现有研究中 , 研究学者多将同一填筑分区视为均质体 , 未考虑施工质量差异导 致的坝体压实密度的非均质性。 本文首先通过对施工质量与沉降变形影响机制的分析 , 提出了基于碾压质量 实时监控的高心墙堆石坝沉降变形分析理论框架 , 建立了考虑施工质量因素的高 心墙堆石坝沉降变形分析数学模型 , 实现了对大坝沉降变形分析方法的参数化描 述;其次, 为客观分析大坝填筑碾压中施工质量因素的影响 , 建立了高心墙堆石坝 施工质量评估数学子模型 ,详细分析了目标控制函数、 研究方法, 分解出了施工方 案、施工机械参数与坝料性能等各影响因素指标集 , 为大坝沉降变形中施工质量 因素的选取提供了理论基础 ; 最后, 建立了高心墙堆石坝沉降变形分析数学子模 型,详细介绍了目标控制函数、 研究方法,分解出了各影响因素、 边界条件与优化 控制条件,为沉降变形分析提供了理论基础。 (2) 结合沉降过程动态非线性特点 , 提出基于改进M5 -主成分模型树的高心墙堆石坝沉降变形分析方法，克服了传 统沉降变形分析模型动态更新难题 , 实现了对高心墙堆石坝施工期沉降变形的动 态分析。 由于沉降变形影响因素众多 , 因素表达式多样 , 基于碾压质量实时监控数据 进行影响因素分析 , 能够更准确的分析高心墙堆石坝沉降变形与影响因素之间的 动态非线性关系 , 并通过相关性分析甄选沉降变形影响因素及表达式。采用主成 分分析法将高维影响因素空间降维为低维空间 , 并保留影响因素的主要信息。 针对高心墙堆石坝沉降变形过程的动态非线性问题，将M5~模型树引入大 坝沉降变形分析领域。M5~模型树是分段式线性全局模型，可弥补传统回归分析 模型的不足。 首先通过对输入变量及其表达式进行相关性分析来确定输入变量及形式。 通 过劈分、剪枝和平滑三个阶段实现 M5模型建模，但易把有意义的影响因素识别 为噪声, 因此在节点处用主成分回归分析模型替换多元线性回归分析来实现影响 因素的噪声识别。 为此，提出了建立改进M5~ -主成分模型树，将大坝变形量与影响因素变量 之间的关系分成了若干独立的线性模型 ,可分别确定各模型各变量的回归参数。 通过与实测沉降量的对比，验证了改进M5~ -主成分模型树的有效性。 通过绝对差值和均方根误差两个指标分析 , 对比了改进 M5~- 主成分模型树 与M5~模型树、多元线性回归模型、主成分回归分析模型的预测结果 ，结果表 明改进M5~ -主成分模型树预测大坝沉降量具有更高的精度；通过关联度分析， 说明了提出的动态非线性沉降分析方法对沉降变形内在规律的分析具有很高的 可靠性,为分析大坝变形提供了新的途径。 (3)针对高心墙堆石坝施工质量影响因 素中存在的不确定性问题 ,提出了基于碾压质量实时监控的施工质量评估云 -模 糊模型与方法 , 实现高心墙堆石坝碾压施工质量不确定性评估 , 为客观分析影响 大坝沉降变形的施工质量因素提供了新的途径。 由于影响大坝压实质量的因素众多 ,而且存在很强的随机性与模糊性。现有 的高心墙堆石坝填筑施工质量评估方法 , 如多元线性回归及人工神经网络等 , 未 能考虑施工质量的不确定性。 通过云模型研究了施工质量影响因素的不确定性 , 将影响因素进行模糊语言 分类。运用云模型基本理论对模糊神经网络进行改进 , 建立了同时具备模糊推理 能力和不确定性分析能力的云 -模糊模型。 基于碾压质量实时监控系统提出了高心墙堆石坝施工质量评估云 -模糊方法 , 将施工参数与料源参数根据“空间位置”一致原则