[发明专利]土石坝料压实质量评价方法

说明书

本发明提供一种土石坝料压实质量评价方法，即：采集与清洗评价坝料压实质量的数据；获取反应坝料压实质量的干密度指标；对评价坝体压实质量的数据进行相关性分析确定最终模型输入输出参数；建立基于深度学习的压实质量评价模型，对压实质量进行评价。本发明充分考虑料源参数、碾压施工参数以及连续压实指标对坝料压实质量的影响，利用深度学习的方法构建基于人工神经网络的堆石料压实质量评估模型，实现大坝填筑施工全过程质量精细化实时控制，减少人为干预，确保施工质量，大大提高了坝料压实质量检测的时间和成本。本发明可以为在建或待建的土石坝工程压实质量控制和确保工程质量提供巨大应用潜力及可能性。

技术领域

本发明涉及一种评价土石坝坝料压实质量的方法，具体地说，涉及一种基于深度学习的评价土石坝坝料压实质量的方法。本发明属于土石坝坝料压实质量检测技术领域。

背景技术

土石坝是水利水电开发过程中最常见的坝型之一，在其填筑过程中，坝料的压实质量控制对大坝整体的质量、安全稳定运行起着决定性的影响。如果坝料压实质量不达标，则坝体可能会出现渗透破坏、裂隙、滑坡等现象，严重的还会出现土石坝溃坝事故。

随着大坝填筑施工智能化水平的提高，采用传统的压实质量控制方法即“双控法”已不能满足现代化机械施工的要求。为了提高压实质量和效率，不少学者通过研究影响压实效果的因素与压实质量之间的相关关系，不断提出以监测碾压施工参数或基于碾轮振动性态的连续压实指标实时监控土石坝压实质量。如黄声享等研制的基于GPS的实时监控系统，该监控系统通过对面板堆石坝碾压过程中的行车轨迹、行车速度、碾压遍数和压实厚度的全过程监控实现对坝体压实质量的监控。如钟登华等研发的一种高心墙堆石坝施工质量监控技术，通过对心墙堆石坝的填筑碾压施工参数(碾压遍数、行车速度、行车轨迹、压实厚度和激振力状态等)的在线监测和反馈控制，使大坝施工质量处于真实受控状态。如李斌等通过对高填方渠道碾压施工过程中主要质量参数的有效监控，有效地提高大型工程施工质量管理与控制的现代化水平。如刘东海等提出的一种利用施工碾压参数(即碾压遍数、行车速度、振动状态、压实厚度)、土石料含水率和级配建立多元回归模型的方法，对土石坝施工压实质量进行实时监测评估，有效地减少数据采集活动与现场作业之间的干扰，为质量控制和改进提供及时反馈的可能。关于采用基于碾轮振动性态的连续压实指标进行实时监测方面，一些学者通过分析坝料碾压过程中振轮加速度的变化情况，从频域的角度出发，分别提出了CMV、CCV、CV、RMV以及THD等连续压实监测指标；从时域角度出发，提出了以加速度峰值a_p、加速度均方根值a_rms以及波峰因素CF等作为连续压实指标；从力学分析的角度出发，提出了土体刚度K_s、土体振动模量E_vib、机械驱动功率(MDP)、单位体积压实功E等连续压实指标。

然而，不论是通过监测碾压施工参数，还是通过监测基于碾轮振动性态的连续压实指标来实时监控土石坝压实质量，实践证明，坝料压实特性是由多因素综合决定的，仅仅以一种或几种施工过程中的重要因素为基础进行监控，均无法合理地确定坝料的实时压实特性。

因此，很多学者又研究尝试将连续压实指标与多种影响压实质量的碾压参数相耦合，采用回归方法或人工神经网络方法构建压实质量评估模型。目前在坝料压实质量评价研究工作中，针对碾压参数和连续压实指标等因素对干密度影响的研究已经较为成熟，但是这些压实指标并不能直接反映含水量、级配等土壤属性的变化，这意味着在不同的土壤属性下，相同的指标值并不一定代表相同的密实度(如压实度、干密度、孔隙度)。因此，当施工条件和土壤属性发生变化，就需要重新校准指标的目标值。在土石坝建设过程中，许多建筑区域通常使用不同的坝料，频繁的重新校准会严重干扰其他建设活动。

发明内容

鉴于上述原因，本发明的目的是提供一种基于深度学习的评价土石坝料压实质量的方法。该方法充分考虑料源参数、碾压施工参数以及连续压实指标对坝料压实质量的影响，利用深度学习的方法构建基于人工神经网络的堆石料压实质量评估模型，实现大坝填筑施工全过程质量精细化地实时控制。