大坝变形监测数据处理方法研究

夏康明

摘要：近年来，我国发生了多起溃坝事故。这些事故不仅给国民经济造成巨大损失，而且威胁着人民群众的生命财产安全。面对溃坝造成的巨大损失，人们深刻认识到大坝安全监测的重要性。利用监测技术对坝体变形进行监测，测量坝体各点的位置变化，分析大坝的安全运行状态，建立大坝变形预测模型，实现大坝变形的定量预测。只有这样才能及时发现大坝的异常变化，准确判断大坝的安全性能，采取必要措施防止事故的发生。

关键词：大坝变形；监测技术;大坝

大坝潜在安全问题不仅是一个复杂的技术问题，也是一个日益突出的公共安全问题。因此，中国越来越重视大坝安全。随着大坝工程理论和技术的不断发展和完善，为了更好地实现水资源的进一步开发利用，我国的大坝建设正朝着越来越高的方向发展，如三峡重力坝、小湾拱坝(坝高最大为294.5 m)、拉西瓦拱坝(坝高最大为250 m)、溪洛渡拱坝(坝高最大为285.5 m)等，这些工程的建设将为我国的经济发展作出巨大贡献，也将大坝建设理论和技术水平提高到一个新的高度。然而，一旦这些项目失败，将会是一场难以想象的毁灭性灾难。因此，大坝安全问题变得越来越突出和重要。

1大坝变形监测的概述

1.1大坝变形的影响因素

随着我国大坝数量的不断增加，需要对大坝的变形系数进行连续、周期性的测量，并对大坝的安全性进行实时、准确的监测。影响坝体变形的主要因素有: 静水压力、坝体外部水平推力导致的坝体变形和坝体自身重力引起的库底变形; 坝体温度随季节变化，使混凝土不规则膨胀和收缩，导致坝顶下沉。新建大坝混凝土会发生膨胀和收缩，导致坝体变形，老化变化、老化变化是由于混凝土热胀冷缩变形和荷载作用下基岩老化变化引起的。老化变化在施工或运行的初期是显著的。经过较长时间后，建筑物趋于稳定，老化变化较小。

1.2变形监测现状

变形监测在测量领域扮演着重要的角色。从施工到工程竣工及后续运行，都需要进行连续监测，以掌握变形情况，及时解决潜在的安全问题，保证工程的正常运行。在大坝变形监测，传统的变形监测使用高精度的监测网络来监测大坝的变形要素。然而，由于大坝地形条件的影响，监测网的网络形状较差，监测点的位置精度不高，影响了测量的精度。该方法劳动强度大，观测时间长，无法实现自动监测。全球导航卫星系统技术的出现，使变形监测在数据采集、数据传输、调整计算和变形分析等方面实现了连续自动化。结果表明，利用 gnss 技术进行水平位移监测的精度高于0 ± ，高程测量误差小于2 mm ± 10 mm。

1.3大坝变形观测数据误差类型

1.3.1随机误差

随机误差，又称偶然误差，是由小因素和独立因素造成的。虽然它有一定的偶然性，但它的整体测量效果仍然遵循统计规律。值得注意的是，大坝变形观测资料中的随机误差可控性差，对误差差影响不大，但也会影响水利水电工程安全检测结果的准确性。因此，观测数据分析人员应综合考虑这一问题。

1.3.2粗大误差

形变观测数据获取过程中的大误差问题是一种具有明显特点的误差类型。性能负面影响的原因是操作员的错误。误差包括变形观测输入测量信息误差、信息记录误差和数据读取误差。此外，当变形观测处于机械冲击或振动状态时，会因意外变化而产生误差现象。研究表明，大坝变形观测资料粗差的数值影响大于其他类型的误差。因此，大坝变形观测数据处理人员应以大坝变形观测为主要控制对象，为工程建设的安全稳定保障体系服务。

1.3.3系统误差

大坝变形观测资料处理中的系统误差是由固定或变化规律等因素造成的。主要原因是: 监测方法的应用和监测仪器设备的选择不科学、不合理。系统误差类型包括恒定系统误差和周期系统误差。根据对实际测量数据的分析，很难从根本上控制系统误差的类型。因此，大坝变形观测人员应结合相关设备和仪器，找出工程结构运行过程中存在的误差问题，进行有针对性的处理。

2监测数据分析方法

大坝安全监测数据分析涉及多学科交叉的方法和理论。目前常用的大坝监测数据分析方法有: 多回归分析法、时间序列分析法、灰色理论分析法、频谱分析法、卡尔曼滤波法、有限元分析法、人工神经网络法、小波分析法、系统理论法等。

2.1多元回归分析

多回归分析法是大坝监测数据分析中应用最广泛的方法之一。最常用的方法是逐步回归分析法。基于该方法的回归统计模型广泛应用于各种监测变量的分析和建模。以大坝变形监测分析为例，以变形(如各种位移值)为因变量(又称作效应量) ，以环境量(如水压、温度等)为自变量(又称影响因子)。根据数理统计理论，建立多线性回归模型，采用逐步回归分析法建立影响量与环境量之间的函数模型，进行形变的物理解释和预测。因为它是一种统计分析方法，所以需要一个由因变量和自变量组成的长期、一致的观测序列。如果回归模型的环境变量之间存在多重共线性，可能会导致对回归模型参数的错误估计。如果观测数据序列的长度不足，且数据中的随机噪声过大，可能会引起回归模型的过拟合现象，破坏模型的鲁棒性。

2.2时间序列分析

在大坝安全监测过程中，各监测变量的实测数据自然构成一个离散的随机时间序列。因此，可以用时间序列分析的理论和方法建立模型。一般认为时间序列分析是对动态数据进行参数化时域分析的方法。通过对动态数据进行模型排序和参数估计，建立相应的数学模型，了解这些数据的内部结构和特点，从而对数据变化趋势进行判断和预测，具有良好的短期预测效果。在时间序列分析中，通常要求数据是一个平稳的随机过程。否则，就需要进行协整分析，处理数据差异，或采用误差修正模型。以徐佩梁大坝为例，采用时间序列分析方法对大坝变形观测资料进行分析和建模，得到 ar (2)模型，并对大坝变形进行预测。结果表明，预测精度较好。通过对大坝监测数据进行时间序列分析，有效地提高了模型对实测数据的拟合能力和预测能力。

2.3灰色理论分析

当观测数据的样本数较少时，不能满足时间序列分析或数据长度回归分析模型的要求。目前，灰色系统理论可以用于建模。这个理论是邓巨龙在20世纪80年代首次提出的。该方法采用累积生成方法将原始序列转换为生成序列，从而削弱了数据序列的随机性，提高了规律性。例如，在大坝变形监测数据分析中，还可以利用大坝变形的灰色微分方程提取趋势项，建立组合模型。时间序列分析一般是针对单个测量点的数据序列进行的。如果考虑测量点之间的相关性，并对多个测量点进行相关性分析，可以得到较好的结果。1991年，熊志荣等阐述了灰色系统理论在水文观测资料分析中的应用，并对其应用的检验标准进行了探讨。同年，刘冠标利用灰色系统模型对某重力坝的实测应力进行了工程技术分析，证明灰色模型具有理论合理、精度高、精度高的特点。

2.4频谱分析

大坝监测数据的处理和分析主要在时域上进行。监测数据序列由时域信号转换为频域傅里叶变换信号。通过计算各个谐波频率的幅值，可以得到与最大幅值对应的主频率，从而揭示监测量的变化周期，有时在时域中看不清的数据信息在频域中很容易被看到。例如，以测点的变形为输出，以相应的环境因子为输入，通过估计相干函数、频率响应函数和响应谱函数，通过分析输入与输出的相关性，对变形进行物理解释，确定输入贡献和影响变形的主要因素。

结语

综上所述，在大坝变形观测资料的处理过程中，会产生粗差、随机误差和系统误差，降低了大坝变形观测设计和应用的质量。因此，根据大坝变形监测数据处理对大坝变形控制的要求，研究人员应采用过程线法、检测法和劳动规范等方法，提高大坝变形监测数据分析的精度，为水利水电工程施工的安全稳定提供保障。

参考文献：

[1]周媛.高层民用建筑剪力墙结构设计特点及其优化策略[J].科技经济导刊,2021,29(16):63-64.

[2]刘章潭.基层动物防疫工作的重点[J].今日畜牧兽医,2021,37(05):37.