检索结果-南通市图书馆

太阳辐射影响下特高拱坝温度场及变形性态研究

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2023年第10期51卷 142-148页

作者：邵晨飞许焱鑫田始光赵二峰河海大学水利水电学院江苏南京210098 河海大学土木与交通学院江苏南京210098 河海大学水安全与水科学协同创新中心江苏南京210098 山东电力工程咨询院有限公司山东济南250013

通过构建特高拱坝三维有限元模型,引入光线追踪算法,提出了特高拱坝所受太阳辐射遮蔽情况计算方法.结合有限元数值分析方法及预计算技术,实现了各时刻特高拱坝太阳辐射影响下的坝面及库水温度的高效数值模拟.综合考虑太阳辐射下坝体与... 详细信息

通过构建特高拱坝三维有限元模型,引入光线追踪算法,提出了特高拱坝所受太阳辐射遮蔽情况计算方法.结合有限元数值分析方法及预计算技术,实现了各时刻特高拱坝太阳辐射影响下的坝面及库水温度的高效数值模拟.综合考虑太阳辐射下坝体与库水温度变化特性,研究了特高拱坝温度场时空分布特性,量化分析了太阳辐射对坝体变形性态的影响.以我国某特高拱坝为例,运用所提出方法研究了太阳辐射对坝体温度场及变形性态的影响.研究结果表明:通过计算太阳辐射对特高拱坝温度场的作用效应,有利于准确掌握特高拱坝实际的温度场分布情况及变形性态.

关键词：特高拱坝太阳辐射温度场变形性态晴空模型光线追踪算法预计算技术

在线全文

学校读者我要写书评

暂无评论

基于图像处理技术的大坝监测数据粗差识别

南水北调与水利科技（中英文） 2020年第5期18卷 123-129页

作者：郑森顾冲时邵晨飞河海大学水利水电学院南京210098

为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提... 详细信息

为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理,再提取主要趋势线,最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料,运用该方法对其进行粗差识别,并与传统3σ识别准则的粗差识别效果进行对比。算例结果表明:该方法对数据粗差的识别效果更加显著,避免了粗差漏判情况的发生,对粗差的剔除更彻底;利用该方法识别后得到的统计模型复相关系数为0.999,标准差为0.192,模型精度更高,也更符合工程实际情况。因此,该方法具有一定的工程应用前景和实用价值。

关键词：监测数据高斯模糊图像二值化粗差识别统计模型

周期激励下基于延迟传递率函数的结构模态识别方法

在线全文

学校读者我要写书评

暂无评论

地震工程与工程振动 2023年第5期43卷 138-148页

作者：许焱鑫郑东健赵二峰邵晨飞郑森河海大学水灾害防御全国重点实验室江苏南京210024 河海大学水利水电学院江苏南京210024 河海大学水资源高效利用与工程安全国家工程研究中心江苏南京210024 河海大学土木与交通学院江苏南京210024

针对传递率函数运行模态分析方法易受环境激励中周期性分量影响,难以准确辨识结构真实模态参数的问题,推导了周期性激励对传递率函数模态参数识别的影响。在此基础上,提出了一种延迟传递率函数的构造方法,运用延迟传递率函数对周期性虚... 详细信息

针对传递率函数运行模态分析方法易受环境激励中周期性分量影响,难以准确辨识结构真实模态参数的问题,推导了周期性激励对传递率函数模态参数识别的影响。在此基础上,提出了一种延迟传递率函数的构造方法,运用延迟传递率函数对周期性虚假极点进行辨识,并结合常规传递率函数识别的系统极点,实现了结构真实模态参数的有效识别。借助四自由度系统和某泵站厂房结构算例对所提出的方法进行了验证,结果表明,该方法在激励中包含周期性成分的情况下,能够准确地辨识结构模态参数,具有较为广阔的工程应用前景。

关键词：周期性激励延迟传递率函数虚假模态辨识模态参数识别结构动力响应

基于相似测点对比的大坝变形监测数据粗差识别方法

在线全文

学校读者我要写书评

暂无评论

水利水电科技进展 2024年第4期44卷 72-77页

作者：陈立秋顾冲时邵晨飞顾昊高睿颖河海大学水灾害防御全国重点实验室江苏南京210098 河海大学水利水电学院江苏南京210098 河海大学水资源高效利用与工程安全国家工程研究中心江苏南京210098

针对混凝土坝变形监测数据粗差检测方法难以区分粗差和环境突变引起的数据跳跃问题,提出了一种基于K-means++距离聚类算法分区,采用OPTICS密度聚类算法结合局部异常因子(LOF)算法识别监测数据中粗差的大坝变形监测数据粗差识别方法。该... 详细信息

针对混凝土坝变形监测数据粗差检测方法难以区分粗差和环境突变引起的数据跳跃问题,提出了一种基于K-means++距离聚类算法分区,采用OPTICS密度聚类算法结合局部异常因子(LOF)算法识别监测数据中粗差的大坝变形监测数据粗差识别方法。该方法通过K-means++算法实现测点区域划分,联合使用OPTICS算法和LOF算法进行粗差确定,通过对比属于同一分区不同测点的粗差出现时间来判定真实粗差。算例分析结果表明,该方法能有效鉴别变形监测数据中由环境突变引起的数据跳跃,显著提高粗差识别的准确性,降低粗差误判率。

关键词：大坝变形监测数据粗差环境变化 K-means++算法 OPTICS算法 LOF算法

维普期刊数据库博看期刊

ABC-BP模型在混凝土双曲拱坝变形监控中的应用

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2013年第8期31卷 112-114,69页

作者：陈晨邵晨飞魏玮江潜成李经纬杨孟河海大学水利水电学院江苏南京210098 河海大学水文水资源与水利工程科学国家重点实验室江苏南京210098 南昌工程学院水利与生态工程学院江西南昌330099

因大坝变形具有很强的非线性、随机性,致使预测困难。将人工蜂群算法(ABC)与BP神经网络相结合,利用人工蜂群算法具有强全局优化能力、强鲁棒性等优点,克服BP神经网络收敛速度慢、易陷入局部极小点等缺点,建立ABC-BP、BP神经网络大坝变... 详细信息

因大坝变形具有很强的非线性、随机性,致使预测困难。将人工蜂群算法(ABC)与BP神经网络相结合,利用人工蜂群算法具有强全局优化能力、强鲁棒性等优点,克服BP神经网络收敛速度慢、易陷入局部极小点等缺点,建立ABC-BP、BP神经网络大坝变形预测模型预测了小湾大坝变形。结果表明,与单纯的BP神经网络预测模型相比,ABC-BP算法提高了大坝变形预报的精度,加快了网络的收敛速度,能更高效准确地进行大坝变形监控预报。

关键词：大坝变形小湾大坝人工蜂群算法 BP神经网络权值

基于T-S模型的混凝土坝变形缺失信息填补方法

在线全文

学校读者我要写书评

暂无评论

水利水电技术（中英文） 2021年第7期52卷 95-102页

作者：范博伟张怡雯邵晨飞胡雅婷河海大学水文水资源与水利工程科学国家重点实验室江苏南京210098 河海大学水利水电学院江苏南京210098 河海大学水资源高效利用与工程安全国家工程研究中心江苏南京210098 水利部信息中心北京100053

针对混凝土坝变形监测信息缺失的问题,依据同类测点空间变形上的关联性,提出了T-S模型填补方法。即:首先建立以邻近相关测点变形信息为输入、缺失测点变形信息为输出的T-S模糊模型;然后运用CFSFDP-FCM聚类算法进行模型前件辨识;最后基... 详细信息

针对混凝土坝变形监测信息缺失的问题,依据同类测点空间变形上的关联性,提出了T-S模型填补方法。即:首先建立以邻近相关测点变形信息为输入、缺失测点变形信息为输出的T-S模糊模型;然后运用CFSFDP-FCM聚类算法进行模型前件辨识;最后基于交替优化的最小二乘法进行后件参数求解和缺失值填补。实例分析结果表明,该方法可有效挖掘测点间变形的关联关系,填补精度和有效性明显优于常规的反距离加权、多测点回归及BP网络填补方法,且对多测点缺失情况亦具有较好填补效果。

关键词：变形数据填补 T-S模糊模型模糊辨识 CFSFDP-FCM聚类交替优化策略

小生境蚁群-BP神经网络在大坝变形监测中的应用

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2014年第8期32卷 85-87页

作者：魏玮陈晨邵晨飞许焱鑫刘峻杉河海大学水利水电学院江苏南京210098 国电电力山东新能源开发有限公司山东烟台264003

针对BP神经网络在大坝监测数据预测模型中后期预测精度不高的问题,基于小生境蚁群算法的智能搜索能力和强鲁棒性、BP神经网络对大量的输入-输出模式的非线性映射关系的学习存贮能力,将两种方法结合,用小生境蚁群算法优化BP神经网络的建... 详细信息

针对BP神经网络在大坝监测数据预测模型中后期预测精度不高的问题,基于小生境蚁群算法的智能搜索能力和强鲁棒性、BP神经网络对大量的输入-输出模式的非线性映射关系的学习存贮能力,将两种方法结合,用小生境蚁群算法优化BP神经网络的建模方法建立了水平位移观测数据的预测模型,并与ACA-BP神经网络和传统BP神经网络进行了对比分析。结果表明,本文方法可加快BP神经网络收敛速度、增强局部搜索能力,具有更高的预测精度。

关键词：大坝安全监控小生境技术蚁群算法 BP神经网络预测模型

基于Copula函数的混凝土特高拱坝变形风险量化模型

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2020年第6期38卷 59-62页

作者：邓建华胡雅婷孟珍珠邵晨飞水能资源利用关键技术湖南省重点实验室湖南长沙410014 中国电建集团中南勘测设计研究院有限公司湖南长沙410014 长沙理工大学道路灾变防治及交通安全教育部工程研究中心湖南长沙410014 河海大学水利水电学院江苏南京210098 河海大学水文水资源与水利工程科学国家重点实验室江苏南京210098 瑞士洛桑联邦理工学院环境水力学实验室瑞士洛桑1015

对混凝土坝运行状态的风险量化分析是大坝风险管理中的重要环节,通常使用单个变形监测点数据进行混凝土坝变形风险分析,但对于混凝土特高拱坝,同时还应考虑坝基和坝体的变形状态。因此,提出了一种基于变形监测数据和Copula函数计算混凝... 详细信息

对混凝土坝运行状态的风险量化分析是大坝风险管理中的重要环节,通常使用单个变形监测点数据进行混凝土坝变形风险分析,但对于混凝土特高拱坝,同时还应考虑坝基和坝体的变形状态。因此,提出了一种基于变形监测数据和Copula函数计算混凝土特高拱坝变形风险率的方法。以四川锦屏一级混凝土特高拱坝为例,先通过构造反映变形监测量残差与风险率关系的风险概率函数,分别得到坝体和坝基变形监测量风险,再结合Copula函数考虑坝体变形和坝基变形风险的相关关系,得到锦屏一级混凝土特高拱坝的多变量变形风险率,取2014年7月2~26日变形风险进行分析,对比仅考虑坝体变形变量和同时考虑坝体、坝基变形变量的结果,多变量变形风险率考虑大坝两重要部位的风险,结果更加安全可靠。

关键词：量化风险变形风险大坝 Copula函数

滑动窗口MF-DFA方法在大坝变形监测中的运用

在线全文

学校读者我要写书评

暂无评论

三峡大学学报（自然科学版） 2012年第2期24卷 7-10页

作者：王松林邵晨飞朱蓓张超波河海大学水利水电学院南京210098 河海大学水文水资源与水利工程科学国家重点实验室南京210098 河海大学水资源高效利用与工程安全国家工程研究中心南京210098

为了探索大坝变形与时间序列的相关性,通过引入滑动窗口技术对多重分形消除趋势波动法MF-DFA进行改进,与传统的MF-DFA计算结果进行比较分析.实例结果表明多重分形更能刻画大坝变形过程,滑动窗口MF-DFA法比传统MF-DFA法的精度更高,定标指... 详细信息

为了探索大坝变形与时间序列的相关性,通过引入滑动窗口技术对多重分形消除趋势波动法MF-DFA进行改进,与传统的MF-DFA计算结果进行比较分析.实例结果表明多重分形更能刻画大坝变形过程,滑动窗口MF-DFA法比传统MF-DFA法的精度更高,定标指数H(q)值更快趋于较稳定的值,同时从整体上描述变形数据序列的相关性,为后续预测提供依据.

关键词：大坝变形监测多重分形消除趋势波动法时间序列