中小型水库土坝安全监测系统及预测分析

论文摘要

世界大坝建筑已有5000年的历史了,在近一个世纪国内外相继发生了大坝垮坝的现象,造成了惨重的损失。因此,大坝的安全监测引起了人们重视。由于历史原因,这些水库大部分防洪标准低,规模较小,均未设置或仅设置了简单的人工观测设备。目前,还没有专门针对中小型土坝的安全监测系统,中小型土坝还是按传统大坝安全监测系统进行监测,而且传统大坝监测系统造价比较高,若要在全国中小型土坝中推广,资金难以实现是一大瓶颈。本文针对传统大坝安监系统存在MCU、数据传输、电源管理技术、后台分析软件等缺陷问题进行分析、研究,开发出一套实用的《中小型水库土坝安全监测系统》。本论文工作首先针对传统大坝监测系统的缺陷进行改进,从系统结构、传感器、数据采集模块、电源自动管理技术、远距离传送、软件系统几个方面对传统大坝安全监测系统进行创新与改进。重点叙述了数据采集、自动化电源管理的工作原理、硬件功能模块的设计与功能的实现。其中软件系统对于传感器数据的预测算法进行了专门改进,用Levenberg-Marquardt算法来说明优于BP算法,提高数据预测精确度。整个系统在湖南立新水库试点取得成功。2007年《中小型水库土坝安全监测系统》系统开发成功,于2007年12月在新田县立新水库试点成功,经过两年运行,项目于2010年7月获得湖南省科技进步二等奖。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 国内外水库大坝监测基本情况
• 1.2 水库大坝安全监测的目的和意义
• 1.2.1 大坝安全监测目的
• 1.2.2 大坝安全监测意义
• 1.3 大坝监测概述
• 1.4 常用数据预测算法介绍
• 1.5 本论文的研究内容
• 1.6 论文的结构
• 第2章 中小型水库土坝安全监测系统
• 2.1 传统水库土坝安全监测方法
• 2.1.1 传统土坝安全监测概述
• 2.1.2 传统土坝监测系统主要功能
• 2.1.3 传统土坝安全监测系统缺陷
• 2.2 改进土坝安全监测系统
• 2.2.1 系统结构创新
• 2.2.2 传感器
• 2.2.3 数据采集模块
• 2.2.4 电源自动管理技术
• 2.2.5 远距离传送
• 2.2.6 软件系统
• 2.2.7 两种监测系统比较
• 2.3 硬件电路软、硬件设计
• 2.3.1 采集模块硬件设计
• 2.3.2 电源自动管理硬件设计
• 2.4 小结
• 第3章 数据预测分析算法
• 3.1 人工神经网路
• 3.1.1 生物神经元的基本原理
• 3.1.2 神经网络的形式化描述
• 3.1.3 神经网络所具有的特点
• 3.2 BP算法
• 3.2.1 基本BP算法
• 3.2.2 BP算法的描述
• 3.2.3 目标函数选取为总体误差的期望时BP算法的公式
• 3.2.4 目标函数选取为总体误差的方差时BP算法公式
• 3.2.5 BP网络算法的缺陷
• 3.3 采用LEVENBERG-MARQUARDT算法对BP算法的改进
• 3.3.1 数值优化技术
• 3.3.2 Levenberg-Marquardt算法
• 3.4 神经网络在数据预测系统的开发设计
• 3.4.1 系统整体介绍
• 3.4.2 部分概要设计
• 3.5 程序流程
• 3.6 数据预测
• 3.7 两算法预测结果比较
• 3.8 小结
• 第4章 系统实现
• 4.1 系统项目简介
• 4.2 新田立新水库安全监测系统组成
• 4.2.1 大坝渗流观测
• 4.2.2 大坝变形观测
• 4.2.3 环境量观测
• 4.2.4 数据传送
• 4.3 软件介绍
• 4.4 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所获项目成果
• 附录B 设计原理图