论文部分内容阅读
中期通水冷却是大坝温度裂缝控制的重要环节，但在实际实施过程中，由于混凝土的温度信息回馈不及时、温控措施的调整不当及滞后问题的存在，使得混凝土中期降温速率过快、降温幅度较大等问题时有发生。在理论上缺乏对中期降温阶段通水冷却参数影响日降温速率的作用规律的充分认识，实际控温过程与理论分析结果之间往往存在较大差异。现场海量温度数据的冗余性，增大了中期降温阶段内日降温速率与通水冷却参数的关联关系分析的难度，不利于指导现场温控措施的实时调整。为了有效控制大坝混凝土的温度裂缝的产生，完善对中期降温阶段温控措施的合理优化，可采用数据挖掘技术，从关联法则角度，对大坝混凝土中期降温速率与通水冷却参数进行研究。 本文以溪洛渡拱坝施工过程为研究对象，将系统工程理论、人工智能及数据挖掘技术等应用到施工过程中，运用关联规则算法，通过Matlab平台构建数据挖掘模型，从而克服现场海量温度数据的冗余干扰，实现大坝混凝土中期降温速率与通水冷却参数相关关系的有效提取。研究的内容主要有以下几个方面： （1）以溪洛渡大坝某仓为例，建立ANSYS三维模型，利用敏感性分析，对影响中期降温阶段的温控参数进行分析，以便确定后续数据挖掘的边界条件。 （2）根据所选取的温控参数在大量的溪洛渡温度数据中进行筛选，构建高拱坝施工期混凝土中期日降温速率与通水冷却参数的数据仓库，以便为后续挖掘提供数据支撑。 （3）计算最大日降温速率并将其所对应的通水冷却的相关数据提取整理出来，对提取的温控数据进行数据挖掘，利用关联规则找出温度数据之间的关系。 （4）根据挖掘的关系在三维模型中计算出理论值并与实测的数据进行比较，在其基础上针对拟合程度进行误差分析，并验证其关系合理性。 根据上述研究得到：高拱坝施工期中期日降温速率主要是受到通水水温（14.6℃～14.8℃），混凝土初温（17.7℃～18.5℃），通水流量（15～22.5L/min）的影响，综合考虑支持度和置信度，其中通水流量的影响更为突出。