基于原位监测数据的尔王庄水库堤坝渗流预测分析

吉林大学学报(工学版)

基于原位监测数据的尔王庄水库
堤坝渗流预测分析

李新华1^，2，王铁成¹

1.天津大学建筑工程学院,天津 300072; 2.天津城市建设学院土木工程系，天津 300384

收稿日期:2007-01-10 修回日期:1900-01-01 出版日期:2008-03-01 发布日期:2008-03-01
通讯作者: 王铁成

Forecast analysis of seepage of Erwangzhuang
Reservoir dam based on original data

Li Xin-hua^1，2,Wang Tie-cheng¹

1.College of Civil Engineering,Tianjin University,Tianjin 300072,China; 2.Department of Civil Engineering,Tianjin Institute of Urban Construction,Tianjin 300384,China

Received:2007-01-10 Revised:1900-01-01 Online:2008-03-01 Published:2008-03-01
Contact: Wang Tie-cheng

摘要/Abstract

摘要： 通过对影响堤坝渗流因素的分析，结合尔王庄水库堤坝实测渗流数据，建立了基于原位监测资料的堤坝渗流参数的时变模型，并应用Matlab工具箱中改进的神经网络模型对堤坝渗流参数进行了预测。研究结果表明：神经网络预测结果接近实测结果，该方法为堤坝的渗流预测提供了可借鉴的途径。

关键词: 水利工程测量, 堤坝, 神经网络, 渗流, 预测

Abstract: The factors that affect seepage of reservoir dam were analysed. Then using the actual data of Erwangzhuang reservoir, a timevarying model based on site data of dam seepage parameters was built. The neural network in Matlab was applied to forecast dam seepage parameters. Results show that the forecast data are in good agreement with the site measured data. The model provides a reference for dam seepage forecasting.

Key words: hydraulic engineering survey, dam, neural network, seepage, forecast

中图分类号:

TV698.2

李新华，，王铁成 . 基于原位监测数据的尔王庄水库
堤坝渗流预测分析[J]. 吉林大学学报(工学版), 2008, 38(02): 404-0407.

Li Xin-hua,Wang Tie-cheng . Forecast analysis of seepage of Erwangzhuang
Reservoir dam based on original data
[J]. 吉林大学学报(工学版), 2008, 38(02): 404-0407.

参考文献

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[3]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[4]	那景新, 浦磊鑫, 范以撒, 沈传亮. 湿热环境对Sikaflex-265铝合金粘接接头失效强度的影响[J]. 吉林大学学报(工学版), 2018, 48(5): 1331-1338.
[5]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[6]	董颖, 崔梦瑶, 吴昊, 王雨后. 基于能量预测的分簇可充电无线传感器网络充电调度[J]. 吉林大学学报(工学版), 2018, 48(4): 1265-1273.
[7]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[8]	底晓强, 王英政, 李锦青, 从立钢, 祁晖. 基于量子细胞神经网络超混沌的视频加密方法[J]. 吉林大学学报(工学版), 2018, 48(3): 919-928.
[9]	孟品超, 李学源, 贾洪飞, 李延忠. 基于滑动平均法的轨道交通短时客流实时预测[J]. 吉林大学学报(工学版), 2018, 48(2): 448-453.
[10]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[11]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[12]	谢志江, 吴小勇, 范乃吉, 郭宗环, 袁岳军, 王康. 神光-III精密装校平台运动学分析[J]. 吉林大学学报(工学版), 2017, 47(5): 1504-1511.
[13]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.
[14]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[15]	胡冠宇, 乔佩利. 混沌协方差矩阵自适应进化策略优化算法[J]. 吉林大学学报(工学版), 2017, 47(3): 937-943.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed