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

1、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

2、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

3、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

4、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

5、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

6、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

7、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”一致原则进行匹配 , 对施工参数与料源 参数进行云分析 ,确定了云-模糊模型的各项参数 ,成功用于压实干密度的拟合预 测。预测结果表明,云-模糊模型与BP神经网络模型、RBF神经网络模型及多元 线性回归模型相比 ,云-模糊模型的预测结果不但在精度上满足要求

8、,而且更符合 施工质量实际规律。基于云-模糊模型预测的仓面压实干密度评估提出了仓面施工质量估方法。结合高心墙堆石坝施工仓面实例 , 采用云-模糊模型评估方法和全仓面施工质量 评估方法 ,进行了高心墙堆石坝施工质量评估 , 评估结果表明所选取的仓面施工 质量良好。(4) 基于碾压质量实时监控与云 -模糊评估方法 , 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，基于改进M5模型树提出了考虑施工质量因素 的沉降变形分析方法 , 分析了高心墙堆石坝沉降变形过程 , 为探索高心墙堆石坝 沉降变形的空间分布规律提供了科学支持。 目前高心墙堆石坝沉降变形分析多集 中在分析沉降量与影响因素之间的关

9、系方面的研究 , 缺乏考虑施工质量因素对沉 降变形影响的研究。本文分析了填筑坝料工程特性 , 基于施工质量实时监控与评估 ,推导了考虑 施工质量因素的填筑因子表达形式 , 并经经验类比获得了填筑因子影响的时效因 子的表现形式 , 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 ; 基 于改进M5模型树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 分析方法 , 运用考虑施工质量因素的高心墙堆石坝沉降变形分析模型实现了对高 心墙堆石坝的沉降过程的预测分析。结合工程应用实例表明 , 基于碾压质量实时 监控的考虑施工质量因素的沉降变形分析方法相比传统分析方法能够更加精细 揭示对监测区域变形的空间分布规律 , 弥补了传统分析方法无法对监测点以外区 域变形分析的不足 ,为高心墙堆石坝的现场施