一、大坝变形监测自动化系统进展（论文文献综述）
李斌[1]（2021）在《重力坝变形监控的智能分析方法研究》文中研究指明重力坝变形监测数据包含了大坝变形过程的重要信息,对其信息挖掘、分析预测、安全评价是掌握大坝安全性态至关重要的技术方法。随着大坝安全监控的发展,监测数据的采集方式越来越全面、越来越智能,数据量也越来越大,这就对数据的分析处理能力提出了更高的要求。如何在海量数据中挖掘更多的有用信息,是了解大坝运行性态的基础;如何对海量数据进行预处理,是提高数据质量的前提;而对效应量保持长期精准的预测以及科学合理的安全评价,是大坝安全管理的重要内容。因此,在人工智能快速发展的时代背景下,本文以重力坝变形监测相关数据为研究对象,引入数据挖掘、智能算法、机器学习等方法,用于监测数据的异常值检测、预测预报、安全评价等分析方法的研究。主要研究内容和成果如下:（1）通过理论分析与实测数据验证,总结了重力坝变形的一般规律。首先,对空间维度的面板数据进行了相关分析,结果表明不同坝段之间均具有高度线性相关性;在此基础上,提出了形状相似系数,用于描述不同测点在变形幅度上的大小关系,计算结果表明:以中间坝段为中心将坝体对称分开,一般情况下,处于对称位置的坝段变形相似度较高,同时相邻坝段的变形相似度也较高。然后,对时间维度的单测点数据进行了自相关和偏自相关分析,从而得知某个数据与其前1时刻、前2时刻、或前3时刻有显着相关性。最后,从整体、局部和空间3个方面对重力坝变形监测数据的变化特征进行了分析和总结,以期研究适合该类数据特征的异常值检测算法。（2）对重力坝变形监测数据中的异常值进行了定义,并总结了异常值的分类与特征。然后分析了基于距离的异常值检测算法在重力坝变形监测数据分析中的适用性,并借鉴该类算法的思想,提出了多重局部异常系数法,该方法通过提取待检测值前k个数据组成的局部窗口数据,并根据设定的判别准则,可简单、快速地进行异常值实时检测。该算法主要针对原位监测数据中异常值的预处理检测,目的是为了获得高质量数据,便于后续建模分析。（3）改进了自适应差分进化算法关于初始解的选择方式,得到了改进的自适应差分进化算法（Improved Self-Adaptive Differential Evolution Algorithm,ISADE）,这提高了该算法的全局优化能力,然后将其用于在线极限学习机（Online Sequential Extreme Learning Machine,OSELM）的优化,提出并建立了基于ISADE-OSELM的重力坝变形预测模型。该模型仅通过训练最新数据便可更新已有模型的参数,可实现模型的自我更新,改善了传统模型的更新方式,同时结合优化算法,提高了模型的精度和泛化性。实例计算结果表明:ISADE-OSELM模型的综合性能优于逐步回归模型、ELM模型和OSELM模型。（4）在传统置信区间法拟定监控指标的基础上,考虑了监测数据的随机性和模糊性,将云模型融入其中,使得一个具有明确边界的置信区间,拓展为一个以区间为边界的置信区间。提出并建立了云置信区间法的重力坝变形监控指标,该方法以ISADE-OSELM预测模型的误差为研究对象,因此可随着ISADE-OSELM模型的更新而更新,这使得监控指标的拟定方式更加高效。实例计算结果表明,云置信区间不仅具有传统置信区间的功能,还可按一定隶属度评价接近置信区间边界数据的安全性,这种评价方式更符合实际情况,对大坝的变形监控更加合理。
胡祚晨[2]（2021）在《基于STL-CS-LSTM组合模型的大坝变形预测方法研究》文中研究说明截止到2018年,中国已经建设完成大坝9.8万余座,是世界上拥有大坝数量最多的国家。大坝不仅能调度水利资源的时空分布,同时也是合理配置水资源的最为重要的工程措施之一。大坝具有防洪、抗旱、发电、航运、灌概、养殖、旅游等功能。因此大坝在我国的国民经济建设中发挥着至关重要的作用。然而溃坝事件时常发生,在影响国家的经济效益的同时,还会对周围的百姓造成十分巨大的生命和财产的损失。而大坝的损坏一般都是由量变到质变的,这个过程是不可能靠人的直觉来发现的,因而必须进行完善可靠的变形监测工作。因此对大坝变形进行有效的监测并对获取到的变形监测数据进行准确的预测,是确保大坝安全运行的十分必要的手段。大坝变形受水压、气温、地质条件等多种因素的影响,受限于管理成本和水平,小型水库大坝通常难以获取上述监测数据。因此对于小型水库来说仅使用历史大坝变形监测数据来进行预测是一种既能节约成本又行之有效的方法。本文使用小型水库利山水库大坝获取的5个点位的水平位移数据进行实验,数据为2018年12月16日至2019年1月12日测得。将5组数据的异常值剔除并对缺失值进行插值填补,得到5组有672条数据的水平位移数据。水平位移数据选择前500条数据为训练集,后172条数据为测试集。针对大坝变形监测数据同时存在非线性、趋势性、周期性和随机性的特征的问题,本文选择基于局部加权回归的周期趋势分解（Seasonal-Trend decomposition procedure based on Loess,STL）、布谷鸟搜索算法（Cuckoo Search,CS）和长短期记忆神经网络（Long Term and Short Term Memory neural network,LSTM）构建了组合模型STL-CS-LSTM,该模型首先使用STL方法将时间序列分解成趋势分量、周期分量和余项分量,使用基于布谷鸟搜索算法优化过的LSTM模型对趋势分量和余项分量进行预测;周期分量则使用简单周期估计方法预测,本文采用的数据是逐小时的,周期设置为24,也就是t时刻的序列值等于（t+24）时刻的序列值。最后将三个分量的预测值相加得到最后的预测结果。对数据进行预处理后,将组合模型STL-CS-LSTM的预测结果与LSTM模型、FNN模型、SVR模型、XGBoost模型、GRU模型的预测结果进行对比分析,可得6个模型的预测精度从高到底依次为:STL-CS-LSTM模型、LSTM模型、FNN模型、SVR模型、GRU模型、XGBoost模型。预测性能最好的STL-CS-LSTM模型的RMSE小于0.028mm,MAE小于0.025mm,而R2高于0.9,预测精度能够满足工程的实际需要。
陈浩[3]（2021）在《丹江口大坝加高前后垂直位移方案变化及数据分析》文中研究说明随着时代的不断发展,新建的大坝越来越多,适合建坝的选址也越来越少。随着大坝的使用年限在不断增加,越来越多的大坝出现各种安全问题,也有一些大坝现有的功能无法满足当前的需要。以往这类大坝采用拆除旧坝新建大坝的方式,但这种方式耗费大量人力物力。随着施工技术的不断发展,开始出现对大坝进行加高改造,以达到延长大坝使用年限以及改变或增加大坝的功能的目的,使其可以满足当前的需求。但大坝加高后,新的监测方案如何设计,如何判断加高后大坝变形趋势是否正常成了大坝监测新的难题。丹江口大坝作为一个已经建成50多年的老坝,在2005年到2013年完成了加高工程,本文通过获取的丹江口大坝加高前后垂直位移监测方案和近20年垂直位移的监测数据,对其进行分析研究,主要工作如下:1.分别阐述加高前后丹江口大坝主副坝的工程概况以及垂直位移监测方案。通过分析垂直监测方案与大坝工程概况变化之间的关系,为其他大坝加高工程垂直位移监测方案应当如何设计提供一些参考。2.对大坝加高前后垂直位移监测数据进行计算整理后,对混凝土坝坝基与坝顶以及左岸土石坝迎水面、坝顶和背水面的监测数据进行分析。3.选取加高前后同温度同库水位下垂直位移监测数据,整理后做出垂直位移分布图,探究加高前后垂直位移分布情况的变化。结果表明大坝加高后,混凝土坝的坝基和坝顶垂直位移分布并未出现明显变化,左岸土石坝垂直位移分布仅有坝顶和加高前类似,迎水面和背坡均发生了变化。可能与大坝的施工方案,结构与所处地质情况有关。4.做出大坝垂直位移过程线图,并将同期的库水位和温度过程线与大坝垂直位移过程线相结合,结合分布图分析大坝加高前后垂直位移的变化趋势。结果表明混凝土坝坝基垂直位移变化量较小,坝顶垂直位移均呈现周期性缓慢增加趋势。左岸土石坝加高后坝顶及背坡垂直位移在不断变大,迎水面则呈现周期性减小的趋势。并且靠近左联坝段部位垂直位移变化量及变化趋势均比较大,应当着重监测。5.对同温度不同库水位与同库水位不同温度下的垂直位移监测数据变化量进行分析,结合过程线图进一步探究温度与库水位对大坝垂直位移的影响。结果表明库水位与坝基垂直位移成正比,与左岸土石坝坝顶和背坡成反比。温度与混凝土坝坝顶和土石坝迎水面垂直位移成反比。6.对2013年复测后环线垂直位移监测数据进行分析。结果表明越靠近大坝垂直位移越大,增大的速率越大,越是远离大坝则正好相反。
万海燕[4]（2020）在《无实测水温资料的混凝土坝安全监控模型研究》文中进行了进一步梳理针对无实测水温资料的水库以及混凝土坝安全监控模型的温度变形进行研究,在多项国家自然科学基金项目（51769017、51969018）的资助下,将数学、力学理论与方法、大坝安全相关知识以及计算机技术多种手段相结合,基于大坝原型观测资料,通过数值模拟和有限元仿真计算分析,对混凝土坝安全监控模型进行了全面深入的研究。主要研究内容如下:（1）针对无实测水温资料的水库,探求国内外三种无温度监测设施的水库垂向水温计算方法的优缺点。在探究水库水温分层判定方法的基础上,研究水库垂向水温特性,基于Boltzmann拟合模型,提出无温度监测设施的坝前垂向水体温度计算方法。针对本文提出的无实测温度资料的坝前垂向水体水温计算公式,探究参数A1、A2的确定方法,在此基础上选取Month、A1、A2、depth、area五个因素作为主成分,基于随机森林模型构建了未知参数x0、△x的回归预测模型。（2）探究了传统温度分量因子存在的不足,基于物体内部的热传导定律和傅里叶热传导理论研究环境温度为变量时的坝体混凝土内部温度场解析方法。探究了环境温度在混凝土坝体中热传导滞后效应,建立了单个脉冲环境温度变化引起坝体内部变形的表达式,将连续变化的环境温度离散化,基于线性叠加原理,改进了温度分量表达式,构建了精度较高的混凝土坝安全监控模型。（3）以某混凝土重力坝2#、4#及5#坝段为研究对象,确定了无水温实测资料的水库坝前垂向水温计算表达式及其相应的参数,构建了改进后的温度变形分量表达式,在此基础上,考虑水压分量和时效分量,进一步构建了大坝安全监控模型,实例表明,本文所提出的库水温计算方法和采用改进温度分量表达式的大坝安全监控模型精度均较高。
陈诗怡[5]（2020）在《基于Copula理论的混凝土坝变形安全监控模型研究》文中指出变形作为表征混凝土坝工作性态变化的重要指标,对其进行分析与监控是保证结构安全的重要手段之一。在构建大坝变形安全监控模型时,大坝变形监控模型中预报因子的选择,直接关系模型的泛化能力;而目前常用的传统单测点监控模型没有充分利用各测点间的相关信息。为了解决目前混凝土坝变形安全监控模型存在的问题,本文综合运用力学、统计学理论和计算机技术,基于Copula理论来研究混凝土坝变形安全监控模型的构建方法,主要研究内容如下:（1）对混凝土坝变形监测数据的定性分析方法进行了归纳总结,根据某混凝土重力坝多年的运行监测成果,选取典型坝段的测点数据,绘制了环境量测值过程线、变形监测量过程线,对某混凝土重力坝进行了定性分析,通过定性分析对环境量和变形监测量进行特征值分析和对照比较,从而对其变化规律有一个定性的认识,并对其是否异常有一个初步的判断。（2）提出建立基于Copula理论和随机森林（RF）的大坝变形监控模型（Copula-RF）,分析比较了 Copula函数应用于大坝变形监测影响因子选择中的优势,并与最小二乘法进行对比。以实际工程中的监测数据作为依托,对影响因子集使用Copula函数进行非线性相关检验,选出优选因子集,使用RF模型对大坝变形进行预测,并通过工程实例验证了该模型的准确性。（3）提出建立多输出相关向量机（MVRVM）的多测点变形监控模型,以某混凝土重力坝监测数据为依据,首先对数据进行粗差剔除,归一化等预处理,然后使用Copula函数进行因子的选择,再利用MVRVM良好的函数逼近能力对多测点进行回归预测,实例验证表明该模型的精度能达到与单测点模型的精度水平。
曾佩[6]（2019）在《基于风险分析的老土石坝安全监测技术研究》文中研究说明大坝安全监测是人们了解大坝运行状态和安全状况的有效手段和方法,尽管许多土石坝安全监测设施已较为齐全,但溃坝事故仍有发生。问题在于,监测设施在设计时普遍缺乏针对性,往往均匀布置,所布设的位置实际上并不是病险隐患或险情发生的部位,甚至相差甚远,常常导致监测数据未能体现异常情况,监测设施无法有效监测安全隐患,难以准确反映土石坝局部（主要是风险隐患处）的安全性态,存在较大风险。故本文基于风险分析技术对土石坝的安全监测进行研究以减小其风险,主要研究工作如下:（1）收集江西省土石坝安全监测的运行及管理现状的资料,分析并提出存在的问题与不足,有助于增强监测设施埋设的针对性;（2）从风险分析基本理论导出关于监测方面的风险分析技术,运用风险分析技术（FMEAC）寻找大坝风险点和主要的破坏模式,尤其是溃坝路径,以便于从溃坝路径中寻找到可监测之法;（3）选择风险已告知（或明确）的水库,针对风险状况设置安全监测设施。若大坝已设有监测设施,则针对现有设施进行优化,提出优化的原则、方法和有关要求;（4）基于风险分析技术对石马水库监测设施进行优化,获取改进后的监测数据（于1年前已改进）,结合无损探测技术论证改进后的监测技术。
袁冬阳[7]（2019）在《基于多元时空信息挖掘的混凝土重力坝变形体征监控方法》文中进行了进一步梳理我国现役混凝土坝无论是建设数量还是建造规模均居世界首位,其长效健康服役关乎整个水工程的安危。服役期内混凝土坝受外部环境荷载与内部材料性能演变协同作用,大坝结构难免出现不同程度的性能退化问题。依托大坝原型监测资料有效建立安全监控模型,合理感知并诠释大坝结构运行性能、保障大坝服役安全是坝工界长期关注的重要科学问题。为此,本文以重力坝为对象,采用理论分析、数值仿真与原型观测相结合的研究手段,开展运行期混凝土重力坝变形体征监控方法研究。主要研究内容如下:（1）考虑到原型监测资料难免存在数据缺失与数据异常等问题,为进一步提升监测数据对大坝运行性态的诠释能力,结合核独立主成分分析与极限学习机构建了融合多源时空信息的监测数据缺失插补模型;另外,利用奇异谱分析与3?准则提出了监测数据奇异点诊断方法。（2）伴随服役年限的增加,筑坝材料不可避免地出现不同程度的老化与性能退化,大坝结构材料参数较设计期发生了一定程度的变化。考虑到实际工程领域中监测资料存在一定误差,而基于确定性结构参数与物理模型获取的结构分析结果难免失真,故结合粗糙集理论与神经网络原理建立了混凝土坝材料参数区间反演模型。（3）鉴于传统监控模型中变形与环境因素间函数关系尚未完全明了,推导了大坝与库区泥沙淤积间的函数关系,并提出了基于鸡群算法优化的相关向量机构建了变形监控统计模型;此外,为较好地联系大坝系统结构性态演变特征,在材料参数反演的基础上构建了相应的变形监控混合模型。（4）变形预警指标是对大坝运行性态加以反馈和控制的重要指标,在介绍结构分析法与典型小概率法拟定变形预警指标方法的基础上,基于前述变形监测资料正反分析结果拟定了相应的水平变形预警指标。
张娜[8]（2019）在《大坝安全三维动态全视景智能管理方法研究》文中提出水库大坝是确保国家经济社会可持续发展的重要基础设施。当前,水库大坝在建设和管理取得一定成就的同时,也面临着工程老化、变形严重等挑战,故对处理突发事件的保障能力提出了更高的要求。因此,开展大坝安全管理相关研究具有重要的现实意义。本文依托“依兰航电枢纽工程动态监测关键技术及示范”项目,开展大坝安全三维动态全视景智能管理方法研究,构建研究区域的三维全视景场景,建立实际大坝变形预报模型,设计智能优化算法,提出大坝安全预警可视化方法,研究大坝安全动态监测可视化模拟,研发大坝安全三维动态全视景智能管理系统,实现大坝安全管理的科学化、可视化和智能化。具体研究内容如下:1)基于GIS二次开发组件、3ds Max等软件,开展研究区域数字地形与水工建筑物模型创建及优化方法研究,构建数字地形与水工建筑物模型的三维全视景融合场景,完成水库大坝三维可视化仿真。2)针对实际工程情况,基于BP神经网络,建立大坝变形预报模型;考虑BP神经网络不足,设计混沌量子果蝇算法,实现BP神经网络关键参数优化,提出基于混沌量子果蝇-BP神经网络的大坝变形预报方法;结合工程实例,验证预报模型准确性与优越性;基于安全评价流程,建立大坝安全预警模块,实现大坝安全可视化预警。3)基于系统研发目标,设计系统技术框架和功能模块;基于AE二次开发工具,运用Visual C#4.0语言,解决三维全视景场景中建筑物浏览、监测点信息三维动态展示、安全智能预报及预警动态可视化等关键技术;利用ArcSDE+SQLServer数据库,完成空间数据与属性数据的存储和调用,利用数据库集成处理技术,实现大坝安全动态监测可视化模拟和智能预报预警,完成大坝安全三维动态全视景智能管理系统研发,提出大坝安全三维动态全视景智能管理方法。
赵英男[9]（2018）在《基于人工蜂群算法的白石水库大坝变形监测模型研究》文中指出大坝的变形监测和数据处理对大坝安全监测具有重要意义。本文研究了有关大型混凝土大坝的变形监测方法,利用真空激光准直系统监测资料分析了大坝变形的变形规律。科学地对各影响变量与其响应量关系进行分析,及时掌握了大坝的运行、管理、工作状态和演变趋势,可以及时发现危害安全的异常因素,从而获得社会效益、经济效益,研究上具备重要的意义。通过采用MATLAB软件中的人工蜂群算法预测大坝位移监测数据,与自动化监测数值对比分析,确认大坝的安全性,其对日常大坝监测具有十分重要的指导意义。根据建筑物的结构类型和监测目的,要观察的主要项目有变形,应力,应变,接缝,温度,水位,扬压力,渗流和水质。建立大坝变形数学模型,模拟和预测大坝变形的发展趋势,论述了上游库水位、温度、降雨蓄水日期等环境因素对大坝变形的影响。对坝体观测项目变形观测建立数据模型。对大坝变形进行监测,可以基本反映大坝在各种荷载作用下的工作特性,具备良好的预测效果,并且其结果可以应用于环境影响评价和安全鉴定报告中。本文以辽宁省白石水库大坝为例,详细阐述了大坝变形监测和相关数据处理的工作方法和注意事项,通过对比白石大坝真空激光准直系统的变形数据的预测与拟合,并研究探讨了变形监测的变形分析过程,对水库大坝变形监测进行了系统的总结,提升了数据处理工作的内容和方法。本文介绍了人工蜂群算法的系统组成,对基本监测数据进行分析整理,对27#坝段建立了基于人工蜂群算法的水平位移统计模型。通过将ABC人工蜂群算法与BP神经网络优化算法的拟合值分别与实测位移值通过比较各点的相对变化量和差异情况作对比分析,结果表明人工蜂群算法逐步回归模型能够更加良好地对大坝变形进行预测且相对误差低,具有预测精度高的良好效果,可以有效地保护大坝的安全运行。
赵洋[10]（2018）在《重庆地区中小型水利枢纽重力式大坝安全监测技术研究》文中研究表明重力式大坝的安全建设及运行,不仅对水库的经济有着重要的影响,对下游区域的人们的生命财产安全也有着重要的影响,而重力式大坝安全监测系统就是大坝安全建设及运行的根本保障,有着非常重要的意义。随着我国工程建设科技的迅速发展,根据重力式大坝安全监测指标及影响因素,选择合理、经济的现代化安全监测设备和方案是非常重要的任务。本文依托永川金鼎寺水利工程,对重庆地区中小型重力式大坝的安全监测技术进行研究,采用现场测试、理论分析、非线性有限元等方法,对监测成果进行了分析,对比分析了小北海、东方红水利工程安全监测成果,提出了重庆地区中小型重力式坝合理、经济的安全监测设备布设方案,重点探讨了中小型重力式坝渗流渗压一体化监测方法,主要结论如下:（1）重庆地区中小型混凝土重力坝其各项监测内容受影响因素都基本相同,具有一定的共性,温度和季节的时效性对接缝、大坝水平变形影响较大,接缝开合度与温度呈反相关系,大坝水平变形与温度呈正相关系,上下游水位特别是上游水位对大坝渗压和渗流影响较大。（2）三座大坝的安全监测方案均能很好的反应中小型重力式大坝的特性,三种监测方案均为合理的。金鼎寺水利工程大坝安全监测设备方案监测项目齐全,数据成果满足大坝安全运行要求,投资额较小,是比较推荐的中型水利枢纽重力式大坝经济性安全监测方案;小北海水利工程大坝安全监测设备方案满足小型重力式大坝安全监测项目,数据成果满足大坝安全运行要求,方案在小型重力式大坝中较为先进,投资额不大,是比较推荐的小型枢纽重力式大坝经济性安全监测方案。（3）根据有限元软件Abaqus对金鼎寺水利工程大坝模型进行建模,分析了地应力以及蓄水水位静水压力对大坝以及开挖地形的变形,比较数值模拟结果与监测数据,结果表明通过监测数据得到的大坝变形和数值模拟基本一致,还对渗流进行了模拟分析,结果表明渗流主要受地下水位和上游蓄水水位影响,同监测成果基本一致,监测数据满足大坝安全运行要求,在此基础上还对蓄水水位变动条件下的稳定性和坝体防渗进行了拓展分析。不仅论证了Abaqus建模模拟分析的科学合理性,也进一步验证了金鼎寺水利工程大坝安全监测自动化系统监测结果的可信性及监测设备方案的合理性。
二、大坝变形监测自动化系统进展（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、大坝变形监测自动化系统进展（论文提纲范文）
（1）重力坝变形监控的智能分析方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大坝安全监测数据异常检测研究进展 |
| 1.2.2 大坝安全监控模型研究进展 |
| 1.2.3 大坝变形监控指标拟定研究进展 |
| 1.3 问题的提出 |
| 1.4 研究内容和技术路线 |
| 1.5 创新点 |
| 2 变形监测数据的规律与特征分析 |
| 2.1 引言 |
| 2.2 重力坝变形影响因子及其规律分析 |
| 2.2.1 水压因子 |
| 2.2.2 温度因子 |
| 2.2.3 时效因子 |
| 2.2.4 重力坝的一般变形规律 |
| 2.3 变形监测数据的相关性分析 |
| 2.3.1 面板数据的相关性分析 |
| 2.3.2 面板数据的形状相似性分析 |
| 2.3.3 时序数据的自相关与偏自相关分析 |
| 2.4 变形监测数据的特征分析 |
| 2.4.1 整体特征 |
| 2.4.2 局部特征 |
| 2.4.3 空间特征 |
| 2.5 本章小结 |
| 3 基于多重局部异常系数法的异常值预处理 |
| 3.1 引言 |
| 3.2 异常值的基本概念 |
| 3.2.1 异常值定义 |
| 3.2.2 异常值的分类 |
| 3.2.3 异常值的特征 |
| 3.3 基于距离的异常值检测算法 |
| 3.3.1 距离的度量方法 |
| 3.3.2 局部离群因子算法 |
| 3.3.3 K近邻算法 |
| 3.4 多重局部异常系数算法研究 |
| 3.4.1 多重局部异常系数算法 |
| 3.4.2 窗口长度的选择 |
| 3.4.3 阈值的选择 |
| 3.4.4 多重局部异常系数 |
| 3.4.5 实例计算 |
| 3.5 本章小结 |
| 4 ISADE-OSELM重力坝变形预测模型研究 |
| 4.1 引言 |
| 4.2 在线极限学习机 |
| 4.2.1 单隐层前馈神经网络 |
| 4.2.2 极小范数最小二乘解 |
| 4.2.3 极限学习机 |
| 4.2.4 在线极限学习机 |
| 4.3 在线极限学习机的优化研究 |
| 4.3.1 自适应差分进化算法 |
| 4.3.2 自适应差分进化算法的改进 |
| 4.3.3 ISADE-OSELM预测模型 |
| 4.4 ISADE-OSELM预测模型应用研究 |
| 4.4.1 工程概况 |
| 4.4.2 模型拓扑结构 |
| 4.4.3 参数选择 |
| 4.4.4 ISADE-OSELM模型预测结果 |
| 4.5 本章小结 |
| 5 基于云置信区间法的重力坝变形监控指标研究 |
| 5.1 引言 |
| 5.2 置信区间法的变形监控指标拟定 |
| 5.2.1 置信区间法 |
| 5.2.2 误差序列的分布检验 |
| 5.2.3 置信区间法拟定的监控指标 |
| 5.3 云置信区间 |
| 5.3.1 云模型 |
| 5.3.2 云置信区间的组成 |
| 5.3.3 云置信区间的计算步骤 |
| 5.3.4 云区间的选择 |
| 5.4 云置信区间法的变形监控指标拟定 |
| 5.4.1 数据转换 |
| 5.4.2 云区间的计算 |
| 5.4.3 云置信区间法拟定的监控指标 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（2）基于STL-CS-LSTM组合模型的大坝变形预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大坝变形监测研究现状 |
| 1.2.2 大坝变形预测研究现状 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 1.5 章节安排 |
| 1.6 本章小结 |
| 第二章 大坝变形监测相关方法 |
| 2.1 大坝的分类 |
| 2.2 大坝变形监测主要的内容及过程 |
| 2.3 大坝变形监测常用技术 |
| 2.4 大坝变形监测精度要求 |
| 2.5 本章小节 |
| 第三章 机器学习概论与研究方法 |
| 3.1 机器学习概论 |
| 3.1.1 机器学习的简介及发展历史 |
| 3.1.2 机器学习算法的分类 |
| 3.1.3 回归问题 |
| 3.2 数据预处理与数据集划分方法 |
| 3.3 机器学习模型介绍 |
| 3.3.1 长短期记忆神经网络(LSTM) |
| 3.3.2 前馈神经网络(FNN) |
| 3.3.3 支持向量回归(SVR) |
| 3.3.4 极度梯度提升(XGBoost) |
| 3.3.5 门控循环单元网络(RGU) |
| 3.4 基于局部加权回归的周期趋势分解(STL) |
| 3.5 布谷鸟搜索算法(CS) |
| 3.6 STL-CS-LSTM模型构建 |
| 3.6.1 组合模型构建方式 |
| 3.6.2 STL-CS-LSTM模型构建流程 |
| 3.7 模型评价指标 |
| 3.8 本章小结 |
| 第四章 基于组合模型STL-CS-LSTM的大坝变形预测 |
| 4.1 研究区及数据 |
| 4.1.1 研究区概况 |
| 4.1.2 数据来源 |
| 4.2 大坝水平位移变化分析 |
| 4.3 基于STL模型大坝变形监测数据分解 |
| 4.4 基于CS-LSTM模型的单一分量预测结果 |
| 4.4.1 趋势分量预测结果 |
| 4.4.2 余项分量预测结果 |
| 4.5 预测结果对比 |
| 4.5.1 点1水平位移预测 |
| 4.5.2 点2水平位移预测 |
| 4.5.3 点3水平位移预测 |
| 4.5.4 点4水平位移预测 |
| 4.5.5 点5水平位移预测 |
| 4.6 模型预测性能分析与讨论 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（3）丹江口大坝加高前后垂直位移方案变化及数据分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和选题意义 |
| 1.2 国内外研究现状 |
| 第二章 研究内容和技术路线 |
| 2.1 研究内容 |
| 2.2 技术路线 |
| 第三章 大坝加高前后概况变化 |
| 3.1 丹江口大坝简介 |
| 3.2 丹江口大坝加高前后概况 |
| 3.2.1 混凝土坝加高前后总体概况 |
| 3.2.2 土石坝加高前后概况 |
| 3.3 加高方案 |
| 3.3.1 混凝土坝加高方案 |
| 3.3.2 土石坝加高方案 |
| 3.4 大坝加高前后变化概况 |
| 第四章 垂直位移方案变化 |
| 4.1 垂直位移方案概述 |
| 4.1.1 垂直位移监测流程 |
| 4.1.2 双金属标 |
| 4.2 加高前垂直位移监测方案 |
| 4.2.1 环线垂直位移监测方案 |
| 4.2.2 混凝土坝垂直位移监测方案 |
| 4.2.3 左岸土石坝垂直位移监测方案 |
| 4.2.4 右岸土石坝垂直位移监测方案 |
| 4.3 加高后垂直位移监测方案 |
| 4.3.1 环线垂直位移监测方案 |
| 4.3.2 混凝土坝垂直位移监测方案 |
| 4.3.3 左岸土石坝垂直位移监测方案 |
| 4.3.4 右岸土石坝垂直位移监测方案 |
| 4.4 加高前后监测方案主要变化 |
| 第五章 数据获取与计算 |
| 5.1 主要数据获取来源 |
| 5.2 成果计算 |
| 5.2.1 数据采集计算步骤 |
| 5.2.2 工作基点 |
| 5.2.3 温度改正计算 |
| 第六章 数据分析 |
| 6.1 监测量方向规定 |
| 6.2 分析方向 |
| 6.2.1 大坝加高前后各部位纵向上垂直位移变化情况 |
| 6.2.2 大坝加高前后各部位垂直位移变化趋势 |
| 6.2.3 大坝加高前后各部位垂直位移与温度和库水位之间的关系 |
| 6.3 混凝土坝 |
| 6.3.1 混凝土坝坝基 |
| 6.3.2 混凝土坝坝顶 |
| 6.4 左岸土石坝 |
| 6.4.1 左岸土石坝坝顶 |
| 6.4.2 左岸土石坝迎水面 |
| 6.4.3 左岸土石坝坝坡 |
| 6.5 环线数据分析 |
| 6.5.1 历次环线监测基本特征数据 |
| 6.5.2 环线数据分析 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.1.1 混凝土坝和粘土心墙坝加高后垂直位移监测方案设计参考建议 |
| 7.1.2 对丹江口大坝垂直位移变化预测 |
| 7.1.3 同类型大坝加高垂直位移数据部分特点 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士论文期间发表论文 |
（4）无实测水温资料的混凝土坝安全监控模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水库水温预测研究进展 |
| 1.2.2 大坝安全监测数据的处理 |
| 1.2.3 大坝安全监控模型研究进展 |
| 1.3 问题的提出 |
| 1.4 本文研究的主要内容 |
| 第二章 坝前垂向水体温度计算方法研究 |
| 2.0 概述 |
| 2.1 无温度监测设施的水库垂向水温计算方法 |
| 2.2 水库水温分层判定方法 |
| 2.2.1 水库水温分层类型 |
| 2.2.2 水温分层结构判别 |
| 2.3 水库垂向水温特性分析及计算方法 |
| 2.3.1 S型生长曲线方程 |
| 2.3.2 水库垂向水温分布公式 |
| 2.4 库水温垂向深度分布公式参数的确定 |
| 2.4.1 参数A_2的确定 |
| 2.4.2 参数A_1的确定 |
| 2.4.3 参数x0、△x的确定 |
| 2.5 本章小结 |
| 第三章 无实测水温资料的混凝土坝安全监控模型构建 |
| 3.0 概述 |
| 3.1 传统温度位移分量因子的不足之处 |
| 3.2 物体内部的热量传导规律 |
| 3.3 混凝土坝傅里叶热传导方程求解 |
| 3.3.1 环境温度为常量的傅里叶热传导方程求解 |
| 3.3.2 环境温度为变量的傅里叶热传导方程求解 |
| 3.4 环境温度为变量时坝体内部温度场及其解析解 |
| 3.4.1 环境温度为变量时的坝体内部温度场的解析解 |
| 3.4.2 环境温度为变量时的坝体内部位移场的解析解 |
| 3.4.3 混凝土坝位移场的有限元求解 |
| 3.4.4 环境温度的脉冲峰值不同取值时的温度位移量 |
| 3.5 偏态分布函数 |
| 3.5.1 瑞利分布函数 |
| 3.5.2 卡方分布 |
| 3.6 连续型环境温度的变化对坝体位移的影响 |
| 3.6.1 混凝土坝温度位移的叠加分析 |
| 3.6.2 环境温度场的量化及其对坝体温度位移的影响 |
| 3.7 大坝位移统计模型的建立 |
| 3.8 本章小结 |
| 第四章 混凝土坝安全监控模型在实际工程中的应用 |
| 4.1 概述 |
| 4.2 工程概况 |
| 4.2.1 自然环境条件 |
| 4.2.2 地质环境条件 |
| 4.2.3 大坝变形测点的布置 |
| 4.2.4 环境量监测资料分析 |
| 4.3 坝前垂向水温预测 |
| 4.4 大坝位移安全监控模型的建立 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（5）基于Copula理论的混凝土坝变形安全监控模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 混凝土坝变形监控模型研究进展 |
| 1.2.2 Coupla理论及其应用研究进展 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2.某混凝土重力坝变形监测资料定性分析 |
| 2.1 混凝土坝变形监测资料定性分析的基本方法 |
| 2.1.1 特征值统计 |
| 2.1.2 对比分析 |
| 2.1.3 变化过程分析 |
| 2.1.4 分布图比较 |
| 2.1.5 相关图比较 |
| 2.2 工程及监测概况 |
| 2.2.1 平面、高程监测网 |
| 2.2.2 水平位移和挠度监测 |
| 2.2.3 垂直位移监测 |
| 2.2.4 坝体横缝监测 |
| 2.3 环境量监测资料分析 |
| 2.3.1 水位变化规律分析 |
| 2.3.2 降雨量变化规律分析 |
| 2.3.3 温度变化规律分析 |
| 2.4 大坝变形监测资料分析 |
| 2.4.1 引张线 |
| 2.4.2 正、倒垂人工监测 |
| 2.4.3 垂直位移 |
| 2.5 本章小结 |
| 3.基于COPULA-RF的混凝土坝单点变形监控模型 |
| 3.1 混凝土坝变形主要影响因素及表达方式 |
| 3.2 最小二乘法 |
| 3.3 COPULA函数理论 |
| 3.4 随机森林理论 |
| 3.5 COPULA-RF模型 |
| 3.6 工程实例 |
| 3.6.1 预测模型输入因子的选择 |
| 3.6.2 模型参数选取 |
| 3.6.3 混凝土坝位移预测结果 |
| 3.7 本章小结 |
| 4.基于COPULA-MVRVM的混凝土多测点变形监控模型 |
| 4.1 RVM基本原理 |
| 4.2 MVRVM相关向量机基本原理 |
| 4.3 COPULA-MVRVM建模过程 |
| 4.4 工程实例 |
| 4.4.1 预测模型因子优选 |
| 4.4.2 多测点变形监控模型预测结果 |
| 4.5 本章小结 |
| 5.结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（6）基于风险分析的老土石坝安全监测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 安全监测技术 |
| 1.2.2 风险分析技术 |
| 1.3 思路及路径 |
| 1.3.1 整体思路 |
| 1.3.2 技术路线 |
| 第2章 土石坝安全监测综述 |
| 2.1 监测设计 |
| 2.1.1 变形监测 |
| 2.1.2 渗流监测 |
| 2.1.3 自动化监测 |
| 2.1.4 监测资料整编与分析 |
| 2.2 江西省土石坝监测现状 |
| 2.2.1 建设年代 |
| 2.2.2 监测项目 |
| 2.2.3 监测设施 |
| 2.2.4 监测布置 |
| 2.2.5 安全监测活动 |
| 2.2.6 观测数据 |
| 2.3 存在的问题与不足 |
| 2.4 本章小结 |
| 第3章 大坝风险分析基本概述 |
| 3.1 风险及风险分析基本概述 |
| 3.1.1 风险的基本概念 |
| 3.1.2 风险分析的定义及程序 |
| 3.1.3 基于风险分析的大坝监测 |
| 3.2 风险分析方法 |
| 3.2.1 FMEAC法的介绍 |
| 3.2.2 与传统方法的比较 |
| 3.3 风险识别 |
| 3.3.1 土石坝安全风险要素 |
| 3.3.2 溃决模式和路径 |
| 3.4 风险排序 |
| 3.5 本章小结 |
| 第4章 基于风险分析的老坝安全监测设计 |
| 4.1 设计原则 |
| 4.2 基本工作程序 |
| 4.3 资料收集与汇总 |
| 4.4 现场调查与检测 |
| 4.4.1 工程现状调查 |
| 4.4.2 监测设施现状调查 |
| 4.4.3 隐患检测 |
| 4.5 风险分析 |
| 4.5.1 风险识别 |
| 4.5.2 风险评估 |
| 4.6 监测系统和设施的规划设计 |
| 4.7 本章小结 |
| 第5章 工程案例分析 |
| 5.1 工程基本情况 |
| 5.1.1 工程概况 |
| 5.1.2 加固历史 |
| 5.1.3 现有监测设施 |
| 5.2 现状调查与检测 |
| 5.2.1 现场检查情况 |
| 5.2.2 监测设施调查 |
| 5.2.3 隐患检测情况 |
| 5.3 风险分析 |
| 5.3.1 风险识别 |
| 5.3.2 风险评估 |
| 5.4 优化监测设计方案与分析 |
| 5.4.1 优化监测设计 |
| 5.4.2 优化后监测数据对比评价 |
| 5.4.3 基于风险告知的监测管理建议措施 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（7）基于多元时空信息挖掘的混凝土重力坝变形体征监控方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 原型监测资料处理方法 |
| 1.2.2 材料参数反演 |
| 1.2.3 变形监控模型 |
| 1.2.4 变形预警指标 |
| 1.3 问题的提出 |
| 1.4 本文主要研究内容 |
| 第2章 大坝变形监测数据处理与挖掘 |
| 2.1 概述 |
| 2.2 基于KPCA-ELM的变形监测缺失数据插补模型 |
| 2.2.1 核主成分分析(KPCA) |
| 2.2.2 极限学习机(ELM) |
| 2.2.3 基于KPCA-ELM的变形监测缺失数据插补步骤 |
| 2.3 基于SSA-3σ准则的监测数据变异点诊断方法 |
| 2.3.1 奇异谱分析(SSA) |
| 2.3.2 拉依达准则(3σ准则) |
| 2.3.3 基于SSA-3σ准则的变异点诊断 |
| 2.4 算例分析 |
| 2.4.1 缺失数据插补 |
| 2.4.2 变异点识别 |
| 2.5 本章小结 |
| 第3章 基于粗糙神经网络的混凝土坝材料参数区间反演 |
| 3.1 概述 |
| 3.2 基于粗糙神经网络的混凝土坝材料参数区间反分析模型 |
| 3.2.1 区间分析理论 |
| 3.2.2 粗糙集理论 |
| 3.2.3 具有区间参数反演功能的粗糙神经网络模型 |
| 3.3 混凝土坝材料参数区间反演 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第4章 顾及多元环境效应混凝土重力坝变形监控模型 |
| 4.1 概述 |
| 4.2 顾及多元环境效应改进的混凝土坝变形监控模型 |
| 4.2.1 混凝土坝变形监控基本理论 |
| 4.2.2 顾及多元环境效应改进的混凝土坝变形监控理论 |
| 4.2.3 基于SSA-CSO-RVM的变形监控统计模型 |
| 4.3 混凝土坝变形监控混合模型 |
| 4.4 算例分析 |
| 4.4.1 变形监控统计模型 |
| 4.4.2 变形监控混合模型 |
| 4.5 本章小结 |
| 第5章 混凝土重力坝运行效力变形预警指标 |
| 5.1 概述 |
| 5.2 混凝土坝变形预警指标拟定方法 |
| 5.2.1 基本原理 |
| 5.2.2 结构分析法 |
| 5.2.3 典型小概率法 |
| 5.3 算例分析 |
| 5.3.1 结构分析法 |
| 5.3.2 典型小概率法 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（8）大坝安全三维动态全视景智能管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 可视化技术发展现状 |
| 1.2.2 大坝安全监测发展现状 |
| 1.2.3 大坝安全监测数据分析研究现状 |
| 1.2.4 大坝安全监测系统发展现状 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 第2章 大坝安全三维智能管理基本理论研究 |
| 2.1 三维可视化基本理论 |
| 2.1.1 基于GIS的三维数字地形建模方法 |
| 2.1.2 三维建模平台选取 |
| 2.2 大坝安全智能预报基本理论 |
| 2.2.1 大坝安全监测数学模型 |
| 2.2.2 大坝安全智能预报模型 |
| 2.3 大坝安全智能管理基本理论 |
| 2.3.1 传统大坝安全管理理论 |
| 2.3.2 基于BIM的安全管理理论 |
| 2.4 可视化管理系统开发基本理论 |
| 2.4.1 组件式GIS理论 |
| 2.4.2 大坝安全预警可视化 |
| 2.5 本章小结 |
| 第3章 大坝安全三维动态可视化管理方法研究 |
| 3.1 三维数字地形模型构建方法 |
| 3.2 水工建筑物模型构建方法 |
| 3.2.1 水工建筑物三维模型构建方法 |
| 3.2.2 水工建筑物模型优化方法 |
| 3.3 研究区域三维全视景集成构建方法 |
| 3.3.1 数字地形与水工建筑物模型集成方法 |
| 3.3.2 研究区域三维场景优化方法 |
| 3.4 本章小结 |
| 第4章 大坝安全智能预报预警方法研究 |
| 4.1 基于BPNN的大坝变形智能预报模型建立 |
| 4.2 混沌量子果蝇算法提出 |
| 4.2.1 果蝇优化算法 |
| 4.2.2 量子果蝇算法 |
| 4.2.3 混沌遍历搜索机制 |
| 4.2.4 混沌量子果蝇算法优化流程设计 |
| 4.3 CQFOA-BPNN大坝变形智能预测方法构建 |
| 4.4 工程应用实例 |
| 4.4.1 工程概况及数据选取 |
| 4.4.2 模型选取及算法参数设置 |
| 4.4.3 模型性能分析 |
| 4.4.4 优化算法性能分析 |
| 4.5 大坝安全预警流程设计 |
| 4.6 本章小结 |
| 第5章 大坝安全三维动态全视景智能管理系统研究 |
| 5.1 大坝安全三维动态全视景智能管理系统设计 |
| 5.1.1 研发目标 |
| 5.1.2 功能要求 |
| 5.1.3 框架设计 |
| 5.1.4 功能设计 |
| 5.2 空间数据库与属性数据库的构建 |
| 5.2.1 空间数据库构建 |
| 5.2.2 数据库相互调用机制 |
| 5.3 大坝安全三维动态全视景智能管理系统功能实现 |
| 5.3.1 大坝场景漫游与可视化 |
| 5.3.2 大坝动态监测可视化模拟 |
| 5.3.3 大坝安全智能预报 |
| 5.3.4 大坝安全预警 |
| 5.3.5 水库大坝安全管理规范及评价体系 |
| 5.3.6 系统特点 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）基于人工蜂群算法的白石水库大坝变形监测模型研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 论文研究的背景 |
| 1.2 论文研究的目的意义 |
| 1.3 国内外大坝监测研究现状 |
| 1.3.1 国外大坝监测研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 研究现状分析 |
| 1.4 论文研究内容与技术路线 |
| 第二章 大坝变形研究 |
| 2.1 大坝变形监测的统计学模型 |
| 2.1.1 混凝土重力项变形监测统计模型 |
| 2.1.2 混凝土重力坝神经网络分析模型 |
| 2.2 大坝变形监测的确定性模型与混合模型 |
| 第三章 基于人工蜂群算法的回归分析 |
| 3.1 人工蜂群算法介绍 |
| 3.2 真实蜂群行为 |
| 3.3 人工蜂群算法 |
| 3.4 BP神经网络 |
| 第四章 白石水库大坝变形监测 |
| 4.1 白石水库工程及监测概况 |
| 4.2 白石水库混凝土坝基本监测数据分析 |
| 4.3 大坝位移统计模型建立 |
| 4.4 多重共线分析 |
| 4.4.1 多重共线性的产生 |
| 4.4.2 处理多重共线性的方法 |
| 4.5 建模与预测 |
| 第五章 结论和展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（10）重庆地区中小型水利枢纽重力式大坝安全监测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 安全监测意义及常用方法 |
| 1.3.1 安全监测的意义 |
| 1.3.2 大坝监测的目的 |
| 1.3.3 安全监测的作用 |
| 1.3.4 安全监测的方法 |
| 1.3.5 安全监测目前存在的主要问题 |
| 1.4 论文的主要研究内容 |
| 1.5 论文研究的技术路线 |
| 第二章 金鼎寺水利工程介绍 |
| 2.1 工程概况 |
| 2.2 工程地质条件 |
| 2.2.1 地形地貌 |
| 2.2.2 地层岩性 |
| 2.2.3 地质构造 |
| 2.2.4 物理地质现象 |
| 2.2.5 水文地质条件 |
| 2.2.6 岩体风化与荷载 |
| 2.2.7 岩石(体)物理力学参数 |
| 2.3 安全监测系统 |
| 2.3.1 混凝土重力坝安全监测规范 |
| 2.3.2 监测布置 |
| 第三章 监测仪器设备选型及资料整理 |
| 3.1 仪器设备选型 |
| 3.1.1 选型原则 |
| 3.1.2 检验与率定 |
| 3.1.3 主要仪器设备选型 |
| 3.2 大坝安全监测自动化系统施工方法 |
| 3.2.1 施工流程 |
| 3.2.2 施工方法 |
| 3.3 工程形象进度 |
| 3.3.1 监测项目实施进度 |
| 3.3.2 监测仪器安装埋设统计 |
| 3.3.3 仪器完好率及损坏统计 |
| 3.3.4 已完成土建工程量统计 |
| 3.4 .施工期观测基本要求 |
| 3.5 监测时间及测次要求 |
| 3.5.1 监测时间及测次一般要求 |
| 3.5.2 监测时间及测次的调整 |
| 3.6 施工期监测资料整理 |
| 3.6.1 基本要求 |
| 3.6.2 物理量计算 |
| 3.6.3 基准值选取 |
| 3.7 小结 |
| 第四章 监测成果及分析 |
| 4.1 监测成果分析的一般内容 |
| 4.2 监测仪器代码及测值符号说明 |
| 4.3 监测成果简要分析 |
| 4.3.1 大坝表面变形 |
| 4.3.2 测缝计 |
| 4.3.3 绕坝渗流渗压计 |
| 4.3.4 扬压力渗压计 |
| 4.3.5 量水堰计 |
| 4.4 小北海水库和东方红水库安全监测成果分析 |
| 4.4.1 小北海水库安全监测成果分析 |
| 4.4.2 东方红水库安全监测成果分析 |
| 4.5 小结 |
| 4.5.1 金鼎寺、小北海和东方红水利工程监测成果分析小结 |
| 4.5.2 重庆地区中小型水利枢纽重力式坝经济性安全监测方案推荐 |
| 4.5.3 重庆地区中小型水库重力式大坝安全分析 |
| 第五章 大坝监测数值分析 |
| 5.1 Abaqus基本原理 |
| 5.1.1 Abaqus简介 |
| 5.2 Abaqus建模流程 |
| 5.2.1 渗流场计算理论 |
| 5.2.1.2 渗透梯度计算 |
| 5.2.1.3 渗流量计算 |
| 5.2.2 计算方法 |
| 5.2.2.1 材料系数取值 |
| 5.2.2.2 计算水位 |
| 5.3 成果分析 |
| 5.3.1 变形分析 |
| 5.3.2 渗流分析 |
| 5.3.3 水位变动条件下稳定性分析 |
| 5.3.4 坝体防渗计算与分析 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 未来发展方向 |
| 致谢 |
| 参考文献 |
四、大坝变形监测自动化系统进展（论文参考文献）
- [1]重力坝变形监控的智能分析方法研究[D]. 李斌. 西安理工大学, 2021(01)
- [2]基于STL-CS-LSTM组合模型的大坝变形预测方法研究[D]. 胡祚晨. 江西理工大学, 2021(01)
- [3]丹江口大坝加高前后垂直位移方案变化及数据分析[D]. 陈浩. 昆明理工大学, 2021(01)
- [4]无实测水温资料的混凝土坝安全监控模型研究[D]. 万海燕. 南昌工程学院, 2020
- [5]基于Copula理论的混凝土坝变形安全监控模型研究[D]. 陈诗怡. 西安理工大学, 2020(01)
- [6]基于风险分析的老土石坝安全监测技术研究[D]. 曾佩. 南昌大学, 2019(02)
- [7]基于多元时空信息挖掘的混凝土重力坝变形体征监控方法[D]. 袁冬阳. 南昌大学, 2019(02)
- [8]大坝安全三维动态全视景智能管理方法研究[D]. 张娜. 哈尔滨工程大学, 2019(03)
- [9]基于人工蜂群算法的白石水库大坝变形监测模型研究[D]. 赵英男. 沈阳农业大学, 2018(03)
- [10]重庆地区中小型水利枢纽重力式大坝安全监测技术研究[D]. 赵洋. 重庆交通大学, 2018(06)