回归分析模型在大坝监测中的应用分析.pdf

2023年4月江西建材质量控制与检测回归分析模型在大坝监测中的应用分析梁航遵义黔通达检测试验有限责任公司，贵州遵义563000摘要：文中以贵州某水电站混凝土二次曲线型变厚双曲拱坝坝顶一测点为例，利用该点以往多期水平位移变形监测数据，采用多元线性回归分析模型来建立大坝变形预测模型，对模型的有效性进行检验，结果表明，文中所建模型有效。根据各影响因子的贡献率，利用所建模型进行实测数据拟合和预测，结果表明，文中所建模型具有较高的拟合和预测精度，预测结果可为大坝管理提供借鉴。关键词：混凝土拱坝；影响因子；变形监测；回归分析模型；模型预测中图分类号：TV73文献标识码：B文章编号：10 0 6-2 8 90（2 0 2 3）0 4-0 0 5 4-0 2Application of Regression Analysis Model in Dam MonitoringLiang HangZunyi Qiantongda Testing Co.Ltd.,Zunyi,Guizhou 563000Abstract:In this paper,a measuring point at the top of a hyperbolic arch dam with thickened concrete conic curve is taken as an examplein a hydropower station in Guizhou province.Based on the monitoring data of horizontal displacement and deformation of this point in thepast several periods,a dam deformation prediction model is established by using multiple linear regression analysis model.The validity ofthe model is tested,and the results show that the model is reliable and effective.According to the contribution rate of each influence factor,the model is used to fit and predict the measured data.The results show that the model has high fitting and prediction accuracy,and theprediction results can provide reference for dam management.Key words:Concrete arch dam;Impact factor;Deformation monitoring;Regression analysis model;Model prediction0引言水是人类社会赖以生存、不可或缺的自然资源，水资源的开发和利用促进了人类社会不断的发展 1-3。为合理有效地利用水资源，人类修建了水库大坝等水利工程，水库大坝为人类防洪、灌溉、供水、发电、航运等带来了巨大的经济效益和社会效益，但修建水库大坝引发的安全问题也对人类的生命和财产安全构成了巨大威胁，特别是随着运行时间的推移，加上各种因素的影响，水库大坝会存在不同程度的损坏(4-8 。水库大坝一旦失常，将会直接影响其经济效益，造成严重的社会和环境问题19-10 1。因此，对水库大坝进行数据监测，采用必要的分析方法判断水库大坝的变形趋势，提前预测水库大坝变化情况，预警设施显得尤为重要。本文以贵州某混凝土二次曲线型变厚双曲拱坝为例，综合多种外界影响因子建立回归分析模型，对模型的有效性和各因子贡献率结果进行分析，根据影响因子贡献率建立水库大坝水平位移预测模型，对所建模型的拟合结果和预测结果进行分析，结果表明，本文建立的模型是有效的、可靠的，可作为水库大坝模型建立的借鉴资料。大坝变形监测1.1工程概况贵州某水电站工程位于贵州省铜仁市境内，主要以发电为主，兼有防洪等综合效益。电站水库枢纽由混凝土二次曲线型变厚双曲拱坝、三个溢流表孔、冲沙兼放空底孔、右岸引水系统、右岸地面厂房及升压站等建筑物组成。大坝坝顶高程为作者简介：梁航（198 9-），男，贵州遵义人，本科，工程师，主要研究方向为水利工程安全监测。470.50m，最大坝高为6 7.5 0 m，坝顶宽度为4.0 0 2 4.0 0 0 m（拱冠到拱端），坝底厚度为9.5 0 0 11.35 6 m（拱冠到拱端），拱冠处厚高比为0.14，坝顶弧长为139.2 2 4m。工程规模为小（1）型，工程等别为IV等，工程正常蓄水位为46 8.0 0 m，死水位为46 6.0 0 m。大坝按5 0 年一遇洪水标准设计，2 0 0 年一遇洪水标准校核，厂房按30 年一遇洪水设计，10 0 年一遇洪水检核。主体工程于2007年12 月10 日基本完工，同年12 月14日开始试蓄水运行，2008年4月底工程全部完工，达到了设计规模，2 0 0 9年12 月通过工验收，到目前已运行十多年。1.2监测点埋设在大坝取水口布置1个综合位移标点（TP1），坝顶布置5个综合位移标点（TP2TP6）作为大坝外部水平位移变形观测点。水平位移观测墩均高于地面1.2 m，墩顶设强制对中底盘，其对中误差均小于0.2 mm，倾斜度均不大于4，对中误差小于0.2mm，所有水平位移观测墩均根据相关规程规范埋设修建。1.3数据采集及处理水平位移观测严格按照SL197一2 0 13水利水电工程测量规范中三等精度要求执行。大坝水平位移测点外业数据采用徕卡全站仪进行数据采集，该仪器的测角精度为1.0 ，测距精度为1+2 ppm，具有高的测角和测距精度，且测角和测距同时进行。外业数据采集时将干湿温度计、空盒气压表置于测站较能代表气象状况的部位，观测读取气象数据，参加边长改正计算。内业数据处理使用DAM软件和武汉测绘科技大学提供的“科傻”测量平差软件进行平差计算，并对平差计算结果精度进行评定，每期观测成果均满足相应规程规范要求，观测数据均能55：2023年4月江西建材质量控制与检测反映出测点水平位移的真实变化情况。经外业观测和内业精度评定，最大最弱点点位中误差1.1mm，观测数据均螨住规程规范要求最弱点点位中误差3.0 mm。2回归分析模型建立多元线性回归是应用数理统计原理，通过对自变量与因变量的关系建立相应表达式。通过对数学表达式的精度估计，对未知变量做出预测或检测其变化。建立多元线性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其原则是：（1）自变量对因变量必须有显著的影响，并呈密切的线性相关。（2）自变量与因变量之间的线性相关必须是真实的，而不是形式上的。（3）自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之因的相关程度。（4）自变量应具有完整的统计数据，其预测值容易确定。2.1回归模型影响因子影响水库大坝变形的因素很多，对于混凝土拱坝而言，影响因素通常有：大坝的坝型、大坝的剖面尺寸、大坝的筑坝材料、大坝的施工工艺、大坝坝基的地形、筑坝区地质情况、库水位、大坝自身温度等。本文选取大坝库水位、外界自然温度、大坝内部混凝土温度、时序作为影响大坝外部水平位移变形的影响因子来建立大坝回归分析模型。考虑变形量与多个影响因素的关系，建立大坝坝顶水平位移测点TP3如下回归分析模型。2元it43m2m2元itM=Za.H+Zaa/H+Zb.T,+c lno+Z(b sina2iCOS1=1=1365365(1)式中：aii、a 2 i、b i、Ci、b i、b 2 为回归分析常数项；H、H i为坝基以上水头（m）；T,为坝体第i层实测坝体各高程平均温度（）;t为观测当日气温（）;m为周期数；为从初始观测时间开始的天数除以10 0，既每10 0 d增加1.0。样本选取2 0 10 年7月9 日12 月31日以来，大坝水平位移测点TP3共计8 9 次观测数据作为样本，对其进行多元线性回归分析，样本数据满足统计要求。2.2模型检验及建立通过对拱冠处TP3测点位移进行多元线性回归分析，并对回归效果的显著性进行检验。通过分析大坝变形回归参数得到的复相关系数为0.9 31，标准差为1.7 9 8，在显著性水平0.0 5上的F检验能通过，表明选取的模型有效。从选取的各因素对大坝的贡献率来看，坝体温度对测点TP3水平位移的影响最大，贡献率为50.7%，水位对测点TP3水平位移的影响次之，贡献率为2 5.4%，气温对测点TP3水平位移的变化影响贡献率为23.9%，时效贡献率对测点TP3无影响。通过回归分析得到各影响因子相关系数为：常数项-22.56，水深的影响系数0.7 0 8，坝体温度的影响系数-0.7 9 5，观测温度影响系数为-0.140。3模型应用3.1模型拟合利用上述回归分析所建立得到的函数模型对原始数据进行曲线拟合，得到的多元线性回归模型与实际变形曲线对比残差值均在-3.9 2 +5.50。整体上看，实际曲线与拟合曲线变化趋势拟合效果很好，本模型可作为大坝水平位移测点TP3水平位移变化的预测模型。模型建立选取2 0 2 0 年10 月-12 月实测的5期数据作为检验模型预测数据的可靠性，通过检验残差在-2.50 +0.8 0。表明预测值与实测值相近，本模型预测数据可靠，可判定大坝的变形趋势。3.2模型运用利用多元回归分析模型，根据往年观测的数据推测出大坝位移变形的极值预测值，当实测值接近于极值预测值时，应引起管理人员重视并加强巡视检查。根据近十年来的观测数据，极值预测值所采用水位为正常蓄水位46 8.0 0 m，坝体最低的实测温度，外界最低的实测温度作为影响大坝变形因子，预测出测点最大变形向下游变化15.45mm。对大坝变形监测数据进行分析及预测、预报，能促进大坝安全风险管理工作的系统化、规范化和信息化，最大限度地规避风险，避免人员伤亡和环境损害，有效保障人民生命财产安全。4结语在变形监测数据分析中，变形体会因各种因素产生变形，因此，选择适合的变形模型进行预测是非常重要的。本文通过对大坝拱冠测点多年的的数据分析，选取多元线性回归分析方法进行分析变形数据，从模型检验上看，模型有效且与实测值拟合完好，能运用于变形体测点的预测预报。但无论选取的参数及数据样本如何准确可靠，均不能完全代表变形体的变形，因此，加强监测和通过与变形模型对比，不断优化变形模型并应用于实践是最为重要的。参考文献【1元星，修德皓，程关文，等.滑坡变形监测数据的实时过滤方法及应用J】.水利水电技术（中英文），2 0 2 2，53（7）：12 9-138.2罗文标.GPS在水电站坝体变形监测中的应用探析J.价值工程，2022,41（16)：12 9-131.3苗则朗，徐卓，王亮，等.融入测绘精神的“变形监测与数据处理”课程思政实践【J】.测绘与空间地理信息，2 0 2 1，44（12）：15-18.4范千，方绪华，许承权，等.变形监测数据预报的动态贝叶斯ELM方法J测绘学报，2 0 19，48（7）：9 19-9 2 5.5魏波.GPS技术与数据处理在水利水电工程变形监测中的应用【J.河南水利与南水北调，2 0 16（5）：6 8-6 9.6杜强.小湾大坝变形监测与分析研究D.西安：长安大学，2015.7杜琨.变形监测数据处理的方法研究【D.长沙：中南大学，2013.8范国庆.工程变形监测数据处理及其在越南的应用研究【D】.武汉：武汉大学，2 0 12.9 叶斌.变形模型的分析研究以及变形的预测【D.上海：同济大学，2 0 0 6.10】岳东杰.水利水电工程变形监测中GPS技术与数据处理研究D.南京：河海大学，2 0 0 6.