论文部分内容阅读
碾压混凝土坝的施工压实质量直接关系到大坝的运行安全，有效地控制坝体浇筑碾压质量是保证大坝安全的关键。随着碾压混凝土压实度下降1%，强度约下降8%～10%，可见碾压混凝土坝受压实度的影响程度非常显著。碾压混凝土只有达到很高的相对压实度，才能具有预期的强度、不透水性和拉伸应变能力，故压实度应给予足够重视。目前，碾压混凝土的压实度检测一般采用核子密度仪法，用该方法得出的少量检测结果去反映整个施工仓面的施工压实质量，往往会存在较大的误差；同时，压实度检测会对仓面施工作业带来干扰，无法快速获得检测结果，难以满足现代碾压混凝土坝施工的要求。因此，建立碾压混凝土坝施工压实质量的数学模型，对施工压实质量进行实时、全面、快速、精确的预测，是加快施工进度、确保碾压混凝土坝施工压实质量的迫切需要。基于已研制开发的碾压混凝土坝碾压施工质量实时监控系统，全面收集碾压参数（碾压遍数、碾压速度、碾压厚度）和含水率等，分析与碾压混凝土压实度之间相关性，利用多元非线性回归方法建立了上述变量与碾压混凝土压实度之间的回归模型；同时，通过BP人工神经网络法，建立压实度的网络模型，分析与预测全仓面任意位置处的压实度。为了寻找合适的碾压混凝土坝施工压实质量预测方法，在回归预测方法和人工神经网络预测方法优点的基础上，提出组合预测方法的思想，并基于多元线性回归模型确定组合预测方法的权重系数。工程实例应用表明，组合预测方法对实际压实度有很好的拟合度，能提高BP人工神经网络的泛化能力，并减小回归分析的误差，即总体上不仅优于单独的BP人工神经网络预测方法，也优于传统的回归预测方法。组合预测方法为碾压混凝土压实度的预测提供了一种可靠而有效的新方法，模型精度满足工程需要，研究成果对碾压混凝土施工压实质量的快速、无损检测具有实际应用价值，并为现场施工压实质量的实时控制和指导现场施工提供了一条新的途径。