[发明专利]一种心墙堆石坝施工掺配参数优选方法

权利要求书

1.一种心墙堆石坝施工掺配参数优选方法，其特征在于，包括以下步骤：

步骤1，利用砾石土料实时掺配监控系统和现场试验获得相关参数数据，所述的相关参数数据包括：依托于砾石土料实时掺配监控系统得出的掺配遍数、铺土厚度，依托于现场试验得到的试验位置处的土料P5含量、土料粒径小于0.075mm颗粒含量、土料粒径小于0.005mm颗粒含量、石料P5含量、土料干密度、石料干密度；

步骤2，提出反应砾石土料掺配均匀性的指标，均匀程度h为：

式中：P5_土表示料源土料的P5含量，P5_石表示料源石料的P5含量；m与n分别表示掺配过程中土料和石料对应的掺配比；C_0.075表示土料中粒径小于0.075mm的颗粒含量；C_0.005表示土料中粒径小于0.005mm的颗粒含量；利用公式(1)得出的是取样点下的理论均匀程度；

步骤3，选定反应砾石土料掺配后颗粒含量情况的指标；

步骤4，分析全仓面掺配质量评价过程中的不确定性；

步骤5，建立坝体全仓面的均匀性与颗粒含量的预测模型，包括：结合依托于砾石土料实时掺配掺配监控系统得出的掺配遍数、铺土厚度，依托于试验得到的试验位置处的土料P5含量、石料P5含量、土料干密度、石料干密度、土料中粒径小于0.075mm的颗粒含量以及土料中粒径小于0.005mm的颗粒含量，利用改进的BAS算法优化的BP神经网络，建立工程实际中掺配后砾石土料的P5含量与实际均匀程度的预测模型，其中，所述的利用改进的BAS算法优化的BP神经网络，建立掺配后砾石土料的P5含量与实际均匀程度的预测模型，包括：

步骤5-1，BP神经网络结构的确定：BP神经网络为输入层、隐含层、输出层的三层结构；输入输出层节点根据选取参数的特征决定，隐含层节点数通过隐含层节点数的计算方法并结合试验法确定；

步骤5-2，改进BAS算法：通过改进BAS算法的步长调整函数对变步长进行控制；

步骤5-3，利用改进的BAS算法对BP神经网络进行优化：选取MSE作为适应度函数，利用BAS算法的寻优能力，对BP神经网络的阈值与权值进行寻优，当寻优过程满足停止条件时将BAS的最终值赋予BP神经网络；

步骤5-4，通过改进的BAS算法优化的BP神经网络分别对实际工程掺配后砾石土料的P5含量与实际均匀程度进行预测；

步骤6，采用步骤5建立的预测模型所预测得到的实际工程掺配后砾石土料的P5含量与实际均匀程度，并结合步骤2所得到的理论均匀程度，对实际工程掺配后砾石土料的质量进行评价，对不满足要求的控制点采取补救措施。

2.根据权利要求1所述的一种心墙堆石坝施工掺配参数优选方法，其特征在于，步骤3中，所选定的反应砾石土料掺配后颗粒含量情况的指标为掺配后砾石土料的P5含量。

3.根据权利要求1所述的一种心墙堆石坝施工掺配参数优选方法，其特征在于，步骤4中，所述的分析全仓面掺配质量评价过程中的不确定性，具体包括：综合考虑全仓面掺配质量评价过程中存在的不确定性的问题，利用信息熵的方法量化料源参数的不确定性，判断料源参数的不确定性情况，进而确定料源参数是否考虑不确定性；对需要考虑不确定性的参数，通过100次模拟选取置信度在95％以上的评价结果作为评价值，降低不确定性的影响。

4.根据权利要求1所述的一种心墙堆石坝施工掺配参数优选方法，其特征在于，步骤6中，所述的对实际工程掺配后砾石土料的质量进行评价包括均匀程度和掺配后砾石土料的P5含量；

对于均匀程度：据步骤5所建立的测模型得到的工程掺配后砾石土料实际均匀程度与步骤2中提出的砾石土料掺配后理论均匀程度进行比较，即，通过对控制点进行的取样试验，得到控制点下的料源参数，通过对料源参数进行分析，判断控制点下的理论均匀程度的分布情况，再结合BAS算法优化的BP神经网络对取样点下的实际均匀程度进行预测，通过实际均匀程度与理论均匀程度的相互比较，判断掺配过程是否满足均匀性要求，若实际均匀程度落在理论均匀程度的取值范围内，则证明实际工程的掺配均匀性好；反之，则证明实际工程的掺配均匀性差；

对于掺配后砾石土料的P5含量：根据步骤5所建立的BAS算法优化的BP神经网络模型对各控制点下的掺配后砾石土料的P5含量进行预测，当预测结果在30％-50％之间时，则认为掺配后砾石土料的P5含量满足工程要求，砾石土料颗粒级配符合条件；

通过均匀程度和掺配后砾石土料的P5含量对实际工程掺配后砾石土料的质量进行评价，为实际施工质量控制提供依据，对不满足要求的控制点采取补救措施。