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

《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》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津大学博士学位论文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TheoryandApplicationofHighCoreRockfillDamSettlementAnalysisBasedonReal-timeMonitoringofRolling-compactionQuality一级学科：水利工程学科专业：水工结构作者姓名：王飞指导教师：张宗亮教授天津大学建筑工程学院二零一七年五月万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过

2、的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日万方数据摘要高

3、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

4、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

5、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

6、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。针万方数据’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

7、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

8、型树预测大坝沉降量具有更高的精度;通过关联度分析，说