新書推薦：
《
摘星星的人
》
售價：HK$
47.1
《
名侦探的守则（东野圭吾：反套路！玩梗诡计，吐槽套路，爆笑推理！“你怎么看出我男扮女装的？”）
》
售價：HK$
64.9
《
金融帝国：美元如何计算全球
》
售價：HK$
74.8
《
全球化时代的历史书写：七位欧美历史学家访谈录 尔文智识生活系列
》
售價：HK$
107.8
《
好能量
》
售價：HK$
97.9
《
心灵银行手账 ： 创造真正改变的卓越系统 世界级催眠大师约翰·卡帕斯博士上世纪90年代收费75万美金
》
售價：HK$
74.8
《
档案中的虚构：16世纪法国的赦罪故事及故事的讲述者（人类学与新文化史研究经典力作）
》
售價：HK$
74.8
《
AI社会 ： 智能改变世界的十个场景（在这场AI革命中，你是否正在把命运悄悄交给看不见的算法？）
》
售價：HK$
74.8
|
| 內容簡介： |
|
充分利用水库大坝变形、渗流、应力应变等监测数据，借助坝工知识与数学、力学等的结合，进行水库大坝安全状况的快速诊断，是及时发现结构隐患、保障工程服役安全的重要手段。《监测数据驱动下的水库大坝安全状况诊断理论与方法》系统介绍了作者和团队近年来在该方面取得的研究成果，主要内容包括水库大坝安全原型监测数据降噪方法、水库大坝安全监测数据多元特征辨识模型与方法、水库大坝结构性态变化预测模型与方法、水库大坝材料性能演化反演分析方法、水库大坝结构安全警戒阈值拟定方法、水库大坝安全状况评估模式与方法，以及实际工程案例的剖析和验证，对水库大坝的安全状况监测、评价、预警等具有重要的参考价值。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 我国的水库大坝建设概况 11.2 水库大坝安全原型监测数据预处理方法研究进展 21.3 水库大坝结构性态变化预测模型与方法研究进展 51.4 水库大坝材料性能演化反演分析模式与方法研究进展 71.5 水库大坝结构安全警戒阈值拟定方法研究进展 91.6 水库大坝安全状况评估模式与方法研究进展 10参考文献 12第2章 水库大坝安全原型监测数据降噪方法 212.1 监测数据的EEMD降噪方法 212.2 监测数据的小波降噪方法 322.3 监测数据的流形学习降噪方法 44参考文献 58第3章 水库大坝安全监测数据多元特征辨识模型与方法 603.1 监测数据序列的单分形特征辨识 603.2 监测数据序列的多重分形特征辨识 723.3 监测数据序列的混沌特征辨识 803.4 监测数据序列的时频特征小波多分辨率辨识 913.5 监测数据的滞后性变化特征辨识 973.6 环境激励下大坝结构模态的辨识 115参考文献 134第4章 水库大坝结构性态变化预测模型与方法 1364.1 大坝结构性态变化单测点预测LSSVM因果模型与方法 1364.2 考虑滞后性的大坝结构性态变化单测点预测因果模型与方法 1514.3 大坝结构性态变化单测点预测CSVM时间序列模型与方法 1634.4 大坝结构性态变化单测点预测分形时间序列模型与方法 1704.5 大坝结构性态变化多测点联合预测时空分布模型与方法 1834.6 大坝结构性态变化多测点联合预测PCA-SVM模型与方法 1874.7 大坝结构性态变化多测点联合预测LE-SVM模型与方法 196参考文献 201第5章 水库大坝材料性能演化反演分析方法 2045.1 材料参数反演分析所需资源的优选 2045.2 材料参数动态反演分析方法 2245.3 材料参数演化模型及其实时校正方法 2385.4 材料动力参数反演分析方法 254参考文献 269第6章 水库大坝结构安全警戒阈值拟定方法 2706.1 结构安全单测点警戒阈值拟定方法 2706.2 结构安全多测点联合警戒域拟定方法 2806.3 结构安全多测点分级警戒阈值拟定方法 304参考文献 313第7章 水库大坝安全状况评估模式与方法 3157.1 大坝点安全状况表征模型与评估方法 3157.2 基于体系可靠度思想的大坝安全状况综合评估方法 3277.3 基于D-S证据理论的大坝安全状况综合评估方法 3337.4 大坝安全状况多指标贡献度分析方法 3457.5 基于云模型的大坝安全状况综合评估方法 353参考文献 372
|
| 內容試閱：
|
|
第1章 绪论 1.1 我国的水库大坝建设概况 在我国960万km2的国土上纵横交错有4.5万余条江河，蕴藏着极为丰富的水利与水能资源，理论储藏量及可利用开发量均处于世界前列，但在地区、年际和年内分布极不均衡[1]。兴水利，除水害，关乎国家与社会的安定、繁荣和发展，历朝历代均十分重视水利工程的建设。“疏引洪流入大荒，淘滩作堰控岷江。永教水国蛟龙遁，长使川原稻麦香。鸥鸟双双嬉碧浪，渔歌阵阵唱斜阳。栉风沐雨丰功建，胼胝辛劳类禹王”，这*诗歌颂的是由李冰主持修建的都江堰工程，使旱涝成灾的蜀地变成了沃野千里的富庶之地，从战国时期开始，直至今日，仍发挥着巨大的作用。 为了充分利用水利与水能资源，我国修建了数量众多的水库大坝工程，建坝历史大致可分为以下四个阶段：1900～1949年、1950～1978年、1979～2000年、2001年至今[2， 3]。在**阶段，我国受国际与国内环境影响，筑坝技术和理论薄弱，水旱灾害时有发生；第二阶段，新中国成立至改革开放前，为保障民生，兴建了一大批水库大坝工程，但由于国内相关人才较少，且国家经济水平较低，这一时期以中小型工程居多；第三阶段，伴随国家改革开放的实施，大批留学和外出交流人员带回了先进的知识，且国力日益昌盛，国家兴建了三峡、二滩、小浪底等高坝大库工程，这一时期，科研和工程技术人员结合实际经验，建立了较成熟的工程建设和安全监控等先进理论；第四阶段，我国建设了南水北调、白鹤滩、小湾、锦屏一级、溪洛渡、糯扎渡等一批巨型水利工程，结合这些工程中遇到的难题，相关学者进行了深入研究，成功解决了300m级特高坝和复杂水工结构设计、施工、安全监控等多项关键技术难题，发展了国际一流的建设技术和安全监控理论，保障了水库大坝工程的安全运行。 目前我国共有9.5万余座水库大坝，水库总库容达9306亿m3。其中，大型水库774座，总库容为7410亿m3；中型水库4098座，总库容为1179亿m3[4]，在防洪、发电、航运、供水、灌溉、养殖、旅游等方面发挥了重要作用，为国民经济发展和民生安全做出了巨大贡献。然而，由于人们对筑坝材料性能、结构机理、施工控制的认知是一个不断深化的过程，加之管理不善，不少已运行多年的水库大坝工程处于带病状态，且面临极端气候条件的不时侵袭，工程安全状况堪忧；特大型水利水电工程的不断建设，大坝等水工建筑物面临超高水头、高渗压、强震和复杂地质情况等恶劣环境因素与力学因素的组合作用，技术指标多突破现行规范，工程安全历史参考经验少[5， 6]。病变隐患若得不到及时发现和处理，很有可能引发大坝的灾变甚至溃坝失事，严重危及生命安全和社会发展。例如，1928年美国的圣弗朗西斯科（San Francisco）重力坝、1959年法国的马尔帕塞（Malpasset）拱坝、1963年意大利的瓦伊昂（Vajont）拱坝、1976年美国的提堂（Teton）土坝、1975年中国的板桥和石漫滩土坝等的失事，不仅给相关国家带来了巨大的经济损失，更是造成了大量的人员伤亡[7， 8]。 大量研究和工程案例均表明，水库大坝失事绝大部分并非突然发生，大多经历量变到质变的过程，及时对安全监测资料进行处理与分析，可以发现很多安全隐患，从而避免灾难性事故的发生。充分利用大坝安全原型监测资料，结合物模和数模试验，构建大坝安全监控模型，反演大坝材料特性参数和结构安全度，拟定大坝安全预测预警指标，从而实时评估和诊断大坝的安全状况，合理馈控大坝的运行模式，也已成为保障大坝安全长效服役、实现科学防灾减灾的重要手段[9-11]。我国《水库大坝安全评价导则》中明确规定，对于有安全监测资料的水库大坝，应从监测资料分析入手，了解大坝性态。 由坝体-坝基-环境组成的开放、复杂水库大坝系统，在荷载因素和环境因素等的多重耦合作用下，其服役性态表现出较强的非线性动力学特征，各因素间的相关性错综复杂，主次关系时变不定，运行过程中呈现出自组织、协同化和突变、分形、混沌等特征和表征规律。基于大坝安全原型监测数据，融合现场与室内试验数据、数值仿真计算成果等多源信息，从中学习归纳系统规律，拟合预测大坝系统的动态行为，多尺度递阶推理诊断其驱动成因，已成为目前水库大坝安全监控和预警领域中的前沿基础性研究热点之一[12-15]。我国《国家中长期科学和技术发展规划纲要（2006—2020年）》在其优先主题（62）“重大自然灾害监测与防御”中亦指出重点研究开发溃坝、决堤险情等重大灾害的监测预警技术以及重大自然灾害的综合风险分析评估技术。 1.2 水库大坝安全原型监测数据预处理方法研究进展 水库大坝安全原型监测数据采集过程的各环节，常受到内外因素干扰，致使实测数据与真实值之间存在一定差异，为此需要对原始监测数据进行降噪保真、粗差剔除等预处理，以为后续分析提供可靠的数据基础[16]。监测数据降噪处理总体可分为线性降噪和非线性降噪两类方法。大坝安全监测数据多为具有非平稳特征的非线性时间序列，采用传统的线性降噪方法常难以取得理想效果，因此引入小波变换、经验模态分解、相空间重构等现代信号变换技术，实现对大坝安全监测数据的非线性降噪处理。 1）小波降噪法 小波变换、傅里叶变换是*常用的监测数据降噪方法，其本质是设置一个滤波器，将监测数据分解到不同频域内进行处理。傅里叶变换是一种忽略监测数据位置信息的降噪方法，考虑到大坝安全监测数据是一种非平稳信号，难以与傅里叶变换中沿时间轴无限延伸的基函数相匹配，因此很少有研究将傅里叶变换应用于大坝安全监测数据降噪中。与之相反，小波变换因具有良好适应大坝安全监测数据降噪的时频域特性，近年来被不断拓展研究[17-22]。Mittermayr等[23]将小波软通用阈值算法与傅里叶滤波器和多项式平滑器进行了比较，证明在选定条件下，小波去噪比传统的滤波技术具有更好的性能。杨晨蕾等[24]利用小波分析对大坝变形监测数据的残差序列进行了去噪处理，以提取出不同频率的信号。刘千驹等[25]研究了大坝变形监测数据经小波分解后高频系数的细节特征与突变点间的关系，完成了数据的前处理工作。张守平[26]改进了传统小波分析中单一的阈值确定方法，采用软硬阈值改良折中算法拟定小波阈值，并以棉花滩坝顶水平位移为例验证了其适用性。Paraschiv等[27]证明了小波去噪对处理强噪声混合物的有效源分离十分有效，且小波去噪后使用源分离算法的系统数值模拟可定量评估该方法的效率。 传统小波分析很容易只保留低频信息，而去掉中频及高频上的有用信息。为解决此问题，学者提出了小波降噪的改进形式—小波包降噪。冯清玲[28]充分考虑了小波包降噪采用的Penalty阈值的局限性，在原有噪声估计因子的基础上引入小波系数绝对值平均数，实例表明，经此处理后，能有效消除变形数据中的噪声并保留细节信息。刘子龙[29]利用小波包精确的局部分析能力，对大坝变形监测数据进行了降噪处理，且发现经小波包降噪处理后的监测数据预测效果更好。杨鑫蕊[30]对通用阈值进行了改进，使改进后的阈值可以随着分解层数的变化而变化，有效克服了传统阈值方法的不连续性和边缘模糊失真现象。Gendron等[31]将经验贝叶斯引入小波包降噪方法的参数估计，经与多频带高斯模型的对比，证明了其有效性和准确性。Wang[32]针对小波包降噪无法处理强白噪声信号的问题，提出了一种基于互相关分析的优化变分模态分解（variational mode decomposition，VMD）—小波包阈值去噪方法。Jiang等[33]开发了一套基于柯西振动随机蛙跳算法的小波包去噪程序。Beale等[34]提出了自适应小波包降噪算法，并将其与非传统方法相结合，研究了噪声估计、阈值选择和阈值应用过程，以增强结构健康实时监测量的降噪性能。邹娜娜等[35]提出了基于动态差分模拟退火算法优化变分模态分解，并将其与小波包降噪相结合实现了联合去噪，实例表明该联合去噪方法具有一定的优越性和实用性。Lan等[36]利用模糊分区对小波包降噪的阈值进行了改进，进而保留了更多潜在的信号元素并抑制噪声，数据集的验证结果说明了该方法比传统的软硬阈值更具优越性。 2）经验模态分解降噪法 经验模态分解（empirical mode decomposition，EMD）是Norden E. Huang于1998年提出的一种非平稳信号处理方法，该方法能够将复杂的信号分解成一系列具有一定物理意义的本征模函数（intrinsic mode function，IMF），具有基于经验、自适应的优点[37-39]。利用EMD方法进行降噪的主要思想是，对于任一复杂信号，认为噪声大量存在于高频的IMF分量中，而低频分量中较少，因此可利用该特性实现对信号的降噪处理[40]。杜修力等[41]研究了具有低信噪比特征的信号，将EMD与小波阈值相结合，提出了一种基于EMD的小波阈值降噪方法。考虑到基于连续均方误差准则判定噪声与信号分界点方法的稳定性不高，蒋卓芸[42]根据EMD的滤波特性，将自相关函数引入EMD的降噪过程中。王亚军等[43]在利用EMD对动态变形信号进行分解的基础上，引入卡尔曼滤波方法对高频分量进行降噪处理，再进行EMD重构以获得降噪后的动态变形信号。Sharath等[44]利用EMD迭代间隔阈值处理和学习系统管理算法，将有噪声的低分辨率信号转换为高分辨率信号，有效减少了归一化的均方根误差。Bagherzadeh等[45]将EMD和奇异频谱分析的信号分解方法应用于噪声信号分析中，以识别噪声成分的物理来源。 对信号进行EMD将不可避免地面临由噪声导致的模态混叠问题，为解决此问题，学者提出了EMD的改进模型—集合经验模态分解（ensemble empirical mode decomposition，EEMD）。郑旭东[46]利用EEMD构建了大坝监测数据的样本矩阵，并通过主成分分析（principal component analysis，PCA）法对其进行映射，以达到降噪的目的。陈仁祥等[47]优化了EEMD中IMF分量的选择，提出了自动选择IMF分量来重构信号，并将其运用于振动信号的降噪处理的方法。Li等[48]提出了一种基于小波阈值与奇异谱分析（singular spectrum analysis，SSA）相结合的EEMD自适应去噪方法，仿真结果表明，采用该方法可以明显改善地震信号的去噪性能，可有效识别高拱坝的固有频率。Teja等[49]采用EMD、EEMD和带有自适应噪声的完整EEMD，将信号进一步分解为IMF，有效减少了重构信号中存在的高频噪声，实现了基线漂移噪声的消除。马佳佳等[50]引入EEMD方法处理变形数据，在得到多尺度大坝变形分量的基础上，对于变化复杂的高频分量，采用长短期记忆（long short-term memory，LSTM）神经网络以获得较优预测结果；对于周期性变化的低频分量，借助多元线性回归实现快捷且有效的预测；最终通过分量重构得到大坝变形的预测结果。 3）相空间重构降噪法 基于相空间的非线性降噪方法，其本质为动力系统重建，该方法能够有效分析非线性动力学系统，挖掘出一维时间序列的深层次信息。相空间重构的核心思想是将大坝安全监测获得的低维时间序列构造至高维相空间，并认为在此相空间中混沌吸引子的变化轨迹具有一定的特征，而噪声是杂乱无章的。通过相空间中混沌吸引子的恢复，能够除去大坝安全原始监测数据序列中的噪声[51]。苏祖强等[52]在利用小波包分析法对信号进行分解的基础上，根据分解后的信噪分布，相空间重构了小波包分解的系数，并通过反求实现了真实信号与噪声的分离。吕勇等[53]基于加权相空间重构，通过识别高维相空间中信号的特性，实现信号的降噪处理，以充分体现信号的本质特征。徐洪涛等[54]通过时间延迟法将信号从一维重构至高维后，利用主成分分析法实现信号的提取，实例表明该方法具有效果好、自适应强等特点。Su等[55]通过相空间重
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
