基于融合权重—POT的拱坝变形监控模型

2018-05-30 05:05黄勇
人民黄河 2018年1期

黄勇

摘要:引入极值理论,提出了基于融合权重的POT混凝土拱坝变形监控模型。对于多测点原型观测数据,以融合权重法确定其综合权重,以信息熵理论构建多测点的变形熵,通过POT模型设置一定的阈值,选取变形熵的超限值作为建模对象,利用广义帕累托分布拟合超限数据子样,以失效概率给出大坝变形监控指标。将该方法用于雅砻江流域某混凝土拱坝,工程实例表明,该模型可以得出更加合理的结果,更能反映工程实际。

关键词:POT;融合权重;混凝土坝;监控模型

中图分类号:TV698.1 文献标志码:A doi:10.3969/j.issn.1000-1379.2018.01.034

大坝安全监控指标拟定常用的方法有数理统计法和结构分析法[1],基于数理统计的处理方法具有客观适用性,理论上比结构分析方法更符合实际。相比于计算复杂的结构分析法,数理统计法计算方便,在实际工作中应用较多。通常,在采用典型小概率法拟定监控指标时,其可靠评定的前提条件是大量的数据样本及已知概率分布。将监测效应量作为随机变量,根据典型监测量的小子样分布情况来识别其母体的分布类型。目前已有学者对该领域进行了深入研究,如丛培江等[2]运用最大嫡理论推导了大坝原型观测数据的概率分布函数,结合失效概率给出了大坝的变形监控指标;俞进萍等[3]采用强度储备法研究了混凝土坝的变形监控指标,该方法可以综合考虑大坝可能遭遇的各种水位荷载;雷鹏等[4]将区间分析方法引入到大坝变形监控指标拟定中,研究了区间不确定性因素对大坝监控指标的影响。根据上述分析可以发现,目前大坝变形监控指标多是利用单个测点进行分析的,而大坝的变形监测往往布置多个测点。单个测点提供的变化信息毕竟是有限的,多个测点提供的信息要比单个测点提供的信息量丰富得多。因此,有必要利用多个测点的信息分析变形的稳定性,这要比基于单个测点的信息分析变形的稳定性更为全面合理。

针对上述问题,本文主要研究将大坝变形测点的变化转化为测点的信息量,并将多个单测点的信息量综合成综合信息量的方法,以及利用综合信息量和POT模型建立监控指标的拟定方法,以期丰富大坝变形监控技术。在相关学科中,已有学者对POT模型进行了深入研究,如苏怀智等[5]将POT模型引入到大坝安全监控中,采用变形测点的超限值建模计算,该方法无需事先假设样本序列总体的分布类型,而是基于样本超限值的变化特征,因此具有超越总体分布函数类型的估计能力,最后结合工程实例与统计模型进行了对比研究,工程实例表明该方法可以得出更加合理的结果。基于此,本文将POT模型引入到大坝监控指标的拟定中,建立了基于融合权重-POT的大坝变形监控模型,最后结合某工程实例予以验证,计算结果表明,该方法高效、可行且具有较高的精度,亦可用于其他水工建筑物的监控指标拟定。

1 空间变形嫡的构建

1.1 单测点变形嫡

文献[6]对大坝变形测点定义了有序度的概念,规定拱坝弦长增大为正,减小为负。根据有序度的概念可以计算大坝弦长测点的有序度uij。

大坝弦长增大时,有序度uij的表达式为

在大坝变形指标的规格化样本数据确定后,投影指标函数Q(P)就由投影方向P唯一决定,因此可以通过调整向量P的方向使得函数Q(P)最大来推求最佳投影方向:

3.2 广义帕累托分布的参数估计

采用PoT模型拟定大坝安全监控指标需要预先确定阈值u,从而根据式(25)得到σ和ξ。本次采用原型观测数据的超限期望图计算u。

当形状参数ξ<1时,广义帕累托分布的超限期望可以由一个线性函数e(m)来表示:

4 工程实例

某混凝土双曲拱坝位于西南地区,在施工期和蓄水期对大坝的弦长变形进行了监控。大坝弦长观测墩布置在坝后桥左右岸两端,观测受施工和雾化影响,数据缺失较多,高程1664、1730、1778、1829m的弦长观测数据相对完整,对于分析边坡变形对坝体的影响具有较大作用。

4.1 多测点变形嫡确定

以高程1664、1730、1778、1829m的测点XC2-1与XC2-2、XC3-1与XC3-2、XC4-1与XC4-2、XC5-1与XC5-2坝后弦长变形原型观测数据为样本(总样本数为1119个),分别采用Delphi法和投影寻踪法计算各测点的权重,由融合权重法得到最優融合权重(具体计算结果见表1~表3),再由信息嫡理论计算空间变形嫡(见图1)。

4.2 监控指标拟定

求出上述变形嫡的平均余值函数,并据此点绘超限期望图(见图2),阈值u处于1.671~2.231之间时,余值函数几无变化,超限期望图接近直线,具有明显的帕累托分布特征,u=1.671时n。为119个,约占总样本数的10%,比较合理,因此将u定为1.671,计算σ和ξ的值(见表4),从而可以确定分布函数F(x)的表达式,由于该工程为大(1)型工程,因此将失效概率定为0.01%,从而得出监控指标为2.099,通过小概率法川计算得出的监控指标为2.112,可知本文方法给出的监控指标值和小概率法非常相近。该方法不研究效应量测值序列的整体分布情况,只关注序列的超限值分布,无需事先假设样本序列总体的分布类型,而是基于样本超限值的变化特征,因此具有超越总体分布函数类型的估计能力。该方法充分考虑了所有较大测值出现的可能,更好地体现了数据样本的分布特征,因此得到的预警指标能更客观地反映工程实际。本次计算中选取了4个弦长测点,只需要进行一次建模计算就可建立4个弦长测点的监控指标,而采用小概率法、置信区间法等则需要建立4次模型分别计算,因此本文建立的基于融合权重-POT的大坝变形监控模型具有效率高的特点。

4 结论

本文探讨了变形综合信息量的构建方法,在此基础上,基于POT模型,建立了混凝土拱坝变形监控指标的拟定方法,并通过工程实例对上述方法进行了验证分析,得到如下结论。

(1)将大坝变形监控指标的拟定转化为结构的失效概率,利用融合权重法确定各测点的权重值,可将变形多个单测点的信息量综合成综合信息量,然后以POT模型为理论基础,可建立监控指标拟定的POT模型。

(2)实例分析表明,借助变形测点综合信息量,利用POT模型建立的变形监控模型,能够较客观地分析历史数据对结果的影响,理论和应用实例皆表明监控指标拟定的POT法是可行的。

参考文献:

[1]顾冲时,吴中如.大坝与坝基安全监控理论和方法及其应用[M].南京:河海大学出版社,2006:12-15.

[2]丛培江,顾冲时,谷艳昌.大坝安全监控指标拟定的最大熵法[J].武汉大学学报(信息科学版),2008,33(11):1126-1129.

[3]俞进萍,段亚辉,艾立双.基于强度储备法的混凝土坝位移监控指标研究[J].长江科学院院报,2014,31(12):49-53.

[4]雷鹏,肖峰,苏怀智.考虑区间影响因素的混凝土坝变形监控指标研究[J].水利水电技术,2011,42(6):91-93.

[5]苏怀智,王锋,刘红萍.基于POT模型建立大坝服役性态预警指标[J].水利学报,2012,43(8):974-986.

[6]LEI P,CHANG X L,XIAO F,et al.Study on Early Warn-ing Index of Spatial Deformation for High Concrete Dam[J].Sci China Tech Sci,2011,54:1607-1614.

[7]陈诚,花剑岚.改进层次分析法在土石坝安全评价中的应用[J].水利水电科技进展,2010,30(2):58-62.

[8]王迎超,孙红月,尚岳全,等.基于特尔菲-理想点法的隧道围岩分类研究[J].岩土工程学报,2011,32(4):651-656.

[9]张乐文,邱道宏,李术才,等.基于粗糙集和理想点法的隧道围岩分类研究[J].岩土力学,2011(增刊1):171-175.