简介：两岔河水库总库容6483万m3，属中型水库，水库正常蓄水位724.0m，死水位710.0m。工程枢纽由大坝、溢洪道、泄洪洞、灌溉发电洞、5座副坝、坝后电站厂房等永久性建筑物组成。工程等别为Ⅲ等，大坝、溢洪道等主要建筑物为3级。大坝坝型为混凝土面板砂砾石坝，最大坝高42.6m，坝顶长300m，顶宽5.5m，坝顶高程727.10m。副坝均位于水库库区左岸，共5座。

简介：黄壁庄水库是滹沱河中下游重要控制性的大（1）型水利枢纽工程,总库容12.1亿m~3。副坝是水库主要建筑物之一,其坝顶长6907.3m,最大坝高19.2m,坝顶高程129.2m。由于副坝基础工程地质、水文地质异常复杂,在水库除险加固工程副坝混凝土防渗墙槽孔施工中,

简介：岗南水库新副坝断面上的3个测管观测期间发现管水位高于津水位，出现异常，针对坝体测压管出现的问题，分析TNN，提出了建议。

简介：根据测压管、减压井的监测资料,比较分析了副坝防渗墙成墙前后测压管、减压井的水位变化情况,分析了防渗墙的防渗效果.

简介：为调查黄壁庄水库副坝桩号A5＋217槽段漏浆有关的地质、水文地质情况,分析其性质和变化规律,采用水文地质钻探和多孔抽水试验等定量方法确定卵石层渗透系数（k）,为防渗墙施工及漏浆段的处理提供依据。

简介：<正>找到原因才能找到相应的解决方案及措施,建设局组织监理、设计、质监各方人员组成调查小组,对班报记录、钻进过程、坍塌部位地质情况、施工中漏浆次数及堵漏措施进行了综合调查分析,并先后邀请了中国地震局地壳应力研究所、长委长江地球物理

简介：以某大坝沉降监测数据为例，利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明，滚动BP神经网络算法能较好地应用于大坝沉降数据的预测，具有良好的应用前景。

简介：针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。

简介：分析了影响城镇日用水量的非线性因素，利用人工神经网络，选择影响城市日用水量的主要因素。建立城镇日用水量预测模型，并将该模型的预测效果与传统的日用水量模型预测效果进行比较，结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。

简介：本文在分析影响作物蒸发蒸腾量的气象因子的基础上,以不同的气象因子组合为输入向量,以参照腾发量为输出向量,构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3.利用宁夏引黄灌区2000～2003年的逐日气象资料对所建模型进行反复训练和预测,并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ET0值相比较.其中,BPET1的预测值与ETO值的相关系数平方为0.9914;BPET2的预测值与ET0值的相关系数平方为0.9917;BPET3的预测值与ETO值的相关系数平方为0.9854.研究结果表明,本文构建的模型计算精度较高,方法简便可行,能满足实际生产需要.

简介：黄土的湿陷起始压力是评价黄土湿陷性的重要指标之一.影响黄土湿陷起始压力的因素有很多,且各因素间并非独立,通过分析各物性指标间的相关性确定塑性指数、含水率、干密度作为影响黄土湿陷起始压力的因素.本文提出并建立了黄土湿陷起始压力的人工神经网络预测模型,选取新疆伊犁地区黄土的数据作为神经网络模型的学习和预测样本,将神经网络模型的预测结果与实际结果对比可知二者误差小于10%.利用陕西彬县黄土数据验证了网络模型的通用性,说明用人工神经网络方法计算黄土湿陷起始压力准确、可靠,建立了一种计算湿陷起始压力的新方法.

简介：在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.

简介：根据改进的BP神经网络，阐述了在结构损伤检测与识别上的应用。同时对该网络在结构检测应用过程中应该注意的问题做了探讨，展望了BP神经网络在结构损伤检测与识别上的发展方向。

简介：造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。