Die Vorhersage und Interpretation von Verformungsmessungen zur Bewertung der Sicherheit von Talsperren auf der Grundlage von früheren überwachungsdaten ist heute eine der h?ufigsten Aufgaben von Talsperrenverantwortlichen. Zur L?sung dieser Aufgaben werden deterministische und statistische Ans?tze verwendet. Finite-Elemente-Modelle bieten die M?glichkeit, das Verhalten von Talsperren sehr detailliert zu untersuchen, wenn sowohl mechanische Parameter als auch geotechnische und geologische Informationen verfügbar sind. Im Vergleich zu statistischen Modellen mangelt es ihnen jedoch h?ufig an Vorhersagegenauigkeit aufgrund des zeitabh?ngigen Verhaltens der Rheologie und eingeschr?nkter Informationen über die geologischen Bedingungen. Dies ist insbesondere dann der Fall, wenn nur begrenzte Daten zur Kalibrierung von Materialmodellen und Kontaktbedingungen, z. B. zwischen den einzelnen Bl?cken, zur Verfügung stehen. Die hybride Modellierung kombiniert die Vorteile beider Ans?tze. Das ICOLD Technical Committee on Computational Aspects of Analysis and Design of Dams rief zu einem Workshop über das Verhalten und die pr?dikti-ve Analyse einer doppelt gekrümmten Bogenmauer auf. Für die gestellte Aufgabe wird ein Finite-Elemente-Modell erstellt und anhand verfügbarer überwachungsdaten kalibriert. Anschlie?end wird ein rekurrentes neuronales Netz mit denselben Daten und den Ergebnissen der Finite-Elemente-Analyse trainiert, um dessen mangelnde Vorhersagegenauigkeit zu kompensieren. Es wird gezeigt, dass dieses Verfahren nicht nur die Qualit?t der Modellierung verbessert, sondern auch Unzul?nglichkeiten des mechanischen Modells aufdeckt. Darüber hinaus werden aus neuronalen Netzen mit Quantilsregres-sion Vorhersageintervalle abgeleitet, um Warnstufen zu definieren und Anomalien in den überwachungsdaten zu erkennen.
展开▼
