论文部分内容阅读
混凝土面板堆石坝施工过程受水文、气象以及地质的影响，实际进度和计划进度之间会出现一定偏差，分析进度偏差对后续工作以及总工期的影响，对土石方调配过程进行实时控制，是保证工程按期完工的关键。目前，常用的土石方动态调配方法是基于计算机施工仿真技术的土石方优化调配系统，但该方法存在计算分析时间长、需要大量专业知识等缺点。近些年人工智能的飞速发展对各个领域都产生了重要影响，本文受AlphaGo-Zero设计思想的启发，提出了一个基于蒙特卡洛树搜索(Monte Carlo tree search，MCTS)的土石方智能动态调配模型(earthwork dynamic allocation model，EDAM)，为堆石坝施工进度的实时控制提供理论依据。本文的主要研究内容和成果如下：
(1)系统分析了堆石坝填筑过程、土石方调配过程以及相邻月份填筑上升约束，将当前累计填筑工程量、紧邻前一月份完成工程量以及当前月份作为模型的状态，用各月填筑工作面对应的填筑可达强度约束动作空间，综合考虑节点工期完成情况、总工期完成情况、坝面施工机械费用和土石方调配费用等因素构造奖励函数，建立了EDAM模型，将堆石坝填筑施工进度控制与土石方动态调配有机地结合在一起。
(2)针对本文的特定问题，对MCTS迭代过程中的上限置信区间算法(upper confidence bound apply to tree，UCT)做了改进，结合工程实例，比较传统MCTS算法和改进的MCTS算法。研究结果表明：针对土石方动态调配问题，改进的MCTS在算法的质量和稳定性方面要优于传统MCTS。
(3)确定型土石方动态调配分析。为了验证EDAM模型的可行性，本文选取的比较对象是计算机仿真结果。由于计算机仿真采用有效施工天数描述环境不确定性，因此本文首先忽略环境不确定性带来的影响，将EDAM模型中的状态转移过程看作确定型决策过程。研究结果表明：两个模型生成的填筑进度计划基本一致，验证了EDAM模型的可行性，而且EDAM模型的计算分析时间大大减少，为土石方动态调配问题提供了新的模型与手段。
(4)风险型土石方动态调配分析。研究环境不确定性带来的影响，研究结果表明，填筑进度计划与考虑风险后的填筑进度差异很小，模型生成的进度计划和土石方调配策略是可靠的，与实际施工情况也比较相符。
(1)系统分析了堆石坝填筑过程、土石方调配过程以及相邻月份填筑上升约束，将当前累计填筑工程量、紧邻前一月份完成工程量以及当前月份作为模型的状态，用各月填筑工作面对应的填筑可达强度约束动作空间，综合考虑节点工期完成情况、总工期完成情况、坝面施工机械费用和土石方调配费用等因素构造奖励函数，建立了EDAM模型，将堆石坝填筑施工进度控制与土石方动态调配有机地结合在一起。
(2)针对本文的特定问题，对MCTS迭代过程中的上限置信区间算法(upper confidence bound apply to tree，UCT)做了改进，结合工程实例，比较传统MCTS算法和改进的MCTS算法。研究结果表明：针对土石方动态调配问题，改进的MCTS在算法的质量和稳定性方面要优于传统MCTS。
(3)确定型土石方动态调配分析。为了验证EDAM模型的可行性，本文选取的比较对象是计算机仿真结果。由于计算机仿真采用有效施工天数描述环境不确定性，因此本文首先忽略环境不确定性带来的影响，将EDAM模型中的状态转移过程看作确定型决策过程。研究结果表明：两个模型生成的填筑进度计划基本一致，验证了EDAM模型的可行性，而且EDAM模型的计算分析时间大大减少，为土石方动态调配问题提供了新的模型与手段。
(4)风险型土石方动态调配分析。研究环境不确定性带来的影响，研究结果表明，填筑进度计划与考虑风险后的填筑进度差异很小，模型生成的进度计划和土石方调配策略是可靠的，与实际施工情况也比较相符。