跨拦河建筑物安全状态感知、融合与预测PDF电子书下载

查看更多关于的内容

第一章 跨河桥梁安全状态感知、融合与预测 1

1.1 结构特点及风险特征 1

1.1.1 结构分类及特点 1

1.1.2 失事模式及分析方法 4

1.2 安全状态感知 9

1.2.1 健康监测 9

1.2.2 结构检测 16

1.2.3 状态感知关键问题 26

1.3 安全状态融合 28

1.3.1 状态融合现状 28

1.3.2 安全评估方法 31

1.4 安全状态预测 40

1.4.1 状态预测现状 40

1.4.2 状态融合关键问题 54

参考文献 57

第二章 水闸安全状态感知、融合与预测 64

2.1 结构特点及风险特征 64

2.1.1 水闸分类、结构及安全风险 64

2.1.2 水闸特点 67

2.1.3 几点认识 68

2.2 风险因素及状态反应 69

2.2.1 荷载及环境因素 69

2.2.2 地基和渗透变形 69

2.2.3 结构和材料老化 69

2.2.4 冲刷与振动 69

2.2.5 机电设（备）施可靠性 70

2.3 水闸安全状态感知 70

2.3.1 安全监测现状 70

2.3.2 结构检测现状 71

2.3.3 状态感知关键问题 71

2.4 水闸安全状态数值分析 76

2.4.1 结构动力分析 76

2.4.2 流固耦合分析 81

2.5 基于多源信息融合的状态估计 88

2.5.1 基于规范的方法 88

2.5.2 基于可靠性评价的方法 88

2.5.3 其他评估方法 90

2.5.4 安全评价关键问题 96

2.6 安全状态预测 97

2.6.1 洪水漫顶 97

2.6.2 抗滑失稳 99

2.6.3 变形不协调及开裂 104

2.6.4 闸坝地基液化 106

2.6.5 混凝土碳化深度的随机模型 109

参考文献 110

第三章 拦河坝安全状态感知、融合与预测 115

3.1 结构特点及风险特征 115

3.1.1 拦河坝分类及堰塞坝 115

3.1.2 失事实例及风险特征 116

3.2 输出、输入与状态感知项目 118

3.2.1 变形监测 118

3.2.2 渗流监测 138

3.2.3 压力（应力）监测 149

3.2.4 水力学观测 159

3.2.5 环境量监测 167

3.2.6 强震输入及效应 172

3.2.7 结构状态检测 174

3.2.8 状态感知关键问题 175

3.3 信息融合与安全评价 175

3.3.1 信息融合 175

3.3.2 安全评价 179

3.4 安全状态预测 181

3.4.1 状态预测现状分析 181

3.4.2 状态预测关键问题 183

参考文献 184

第四章 多尺度感知及自组织网络 186

4.1 多尺度感知 186

4.1.1 面感知 186

4.1.2 线感知 187

4.1.3 点感知 188

4.1.4 网络化感知 189

4.1.5 体感知 190

4.1.6 移动感知 191

4.2 非常规风险感知 192

4.3 自组织网络技术 194

4.3.1 总线与通讯技术 194

4.3.2 传统数据采集网络 194

4.3.3 智慧感知网络 194

4.4 云技术 196

4.4.1 开发语言 196

4.4.2 硬软件配置 197

4.4.3 支撑平台功能模块化 197

4.5 监测-检测融合感知体系 198

4.5.1 概述 199

4.5.2 现行监测体系分析 199

4.5.3 安全风险感知的要求 201

4.5.4 检测及其对风险感知的意义 203

4.5.5 安全风险动态感知框架 204

4.5.6 结语 210

参考文献 211

第五章 融合策略与融合方法 215

5.1 逐级融合策略 215

5.1.1 测点级融合 215

5.1.2 项目级融合 215

5.1.3 系统级融合 216

5.1.4 全源信息融合 216

5.1.5 睿智决策支持 216

5.2 多尺度融合策略 216

5.2.1 几何多尺度 216

5.2.2 时间多尺度 217

5.2.3 结构多尺度 217

5.2.4 物理多尺度 217

5.2.5 数据多尺度 217

5.2.6 约束多尺度 217

5.3 协同融合策略 218

5.3.1 损伤敏感协同 218

5.3.2 结构敏感协同 218

5.3.3 整体敏感协同 219

5.3.4 风险敏感协同 219

5.4 信息融合方法 219

5.4.1 DHGF综合评价法 219

5.4.2 正态云模型方法 220

5.4.3 状态空间模型方法 221

参考文献 262

第六章 预测框架与深度学习 268

6.1 风险分析的方法 268

6.1.1 基于实测数据的风险分析 268

6.1.2 径流洪水风险分析 269

6.1.3 跨拦河建筑物多失效模式风险分析 272

6.2 基于深度学习的预测理论和方法 274

6.2.1 人工智能典型事件 274

6.2.2 机器学习基本模型 275

6.2.3 深度学习建模工具及梯度下降算法 281

6.2.4 卷积神经网络 289

6.2.5 循环神经网络 296

6.2.6 深度强化学习 299

6.2.7 对抗性生成网络 306

6.2.8 迁移学习 309

6.2.9 Deep Learning模型及算法 312

参考文献 316

查看更多关于的内容