statistical and structural identification techniques in structural monitoring of concrete dams
محل انتشار: سمپوزیوم برآورد عدم قطعیت در مهندسی سد
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 914
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SUADE01_089
تاریخ نمایه سازی: 15 آبان 1390
چکیده مقاله:
Large dams are monitored both for boundary conditions control (temperature, rainfall, water level, etc.) and for structural response (i.e. displacements, rotations, pore pressures, etc.). Gathered data are useful for safety evaluation of dam performance, mainly if current measures are compared to the whole string of recorded data by means of statistical and structural identification tools. The proposed procedure allows an analytical interpretation of the measures and, after the identification of suitable parameters, is useful to check the regular behaviour of the structure. In the paper, some hollow buttress gravity dams, built in Italy some decades ago, have been considered, comparing temperature change, reservoir water level and the horizontal upstreamdownstream displacement of each buttress, generally given with an acceptable degree of accuracy by pendulum instruments. Two different procedures have been compared: a statistical approach and a structural identification technique, the latter based on numerical models of the structure to assess the elastic Young modulus. This parameter can be a useful indicator of the structural integrity and can also be used to compare different buttresses of the same dam or different dams of the same type. The structural identification technique shows better results in predicting the crest displacement.
کلیدواژه ها:
نویسندگان
A. D. SORTIS
Large Dams National Authority, Roma (Italy), Via Curtatone ۳
P. PAOLIANI
Large Dams National Authority, Roma (Italy), Via Curtatone ۳
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :