高心墙堆石坝完建期堆石体沉降预测模型对比研究

付 勇

(辽宁水利土木工程咨询有限公司， 辽宁 沈阳 110003)

1 概述

水利工程在社会生产生活中具有重要的经济和社会效益。在水利工程建设中，土石坝由于具有良好的适应性和材料来源的广泛性、便捷性得到了广泛的应用，目前已经占我国大坝的95%以上。其中，堆石坝是一种以石料填筑为主体，并配以防渗体的一种土石坝坝型。随着我国筑坝技术的不断发展和进步，我国心墙堆石坝的高度越来越高，并逐渐步入高坝和超高坝时代[1]。如何准确掌握心墙堆石坝的运行状况，特别是通过监测数据对大坝的状态进行评价具有十分重要的意义和作用[2]。在大坝施工完建期间，一般会面临比较恶劣的工作环境，并主要表现为监测仪器工作困难或损坏，进而造成监测数据不全面。同时，由于该阶段大坝变形影响的不确定性因素多，监测时间短，即使提高监测的频次，也难以充分避免监测数据规律性差的问题[3]。因此，提高大坝施工阶段监测数据的分析和应用水平，就具有十分重要的意义和价值。在这一背景下，广大学者在该领域进行了广泛和深入的研究，并提出了一系列基于大坝实测数据大坝变形安全监测模型[4]。但是，受到不同预测模型在各种工程方面的适应性不同，进而导致在大坝沉降变形预测精度方面存在差异。所以，结合工程实际条件，选择合适的大坝沉降变形预测模型，可以更准确地预测大坝变形，及时进行大坝的安全性和稳定性评价[5]。基于此，本次研究以具体工程为背景，对常用的大坝沉降预测模型进行以预测精度为主要标准的工程适用性评价，可以为相关研究和预测模型应用于工程实际提供支持和借鉴。

2 材料与方法

2.1 工程背景

双龙水电站属于辽宁省东部半拉江梯级开发的重要水利工程，坝址位于高龙泡水电站下游太平哨镇二龙渡村境内，属于典型的河床式水电站设计。电站大坝为沥青混凝土心墙土石坝坝型，最大坝高56.0m，坝顶高程160.0m，坝顶宽8.0m。大坝按照100年一遇洪水标准设计，1000年一遇洪水校核，水库的正常蓄水位为157.50m，校核水位为158.50m。坝体的基本剖面为中央直立心墙形式，也就是大坝的中央为砾质土直心墙，心墙的两侧为反滤层，反滤层之外为堆石体坝壳，上游坝坡的坡度为1∶1.9，下游坝坡的坡度为1∶1.8。

2.2 断面沉降观测

为了获得大坝堆石体施工期沉降数据，对大坝的上游堆石体采用弦式沉降仪进行沉降变形监测[6]。此次监测采用的弦式沉降仪为振弦式，量程为66m，分辨率为0.025%F.S，测量精度为±0.1%F.S。为了获取不同部位的监测数据，研究中选择大坝上的断面A(0+024断面)、断面B(0+104断面)、断面C(0+156断面)3个典型断面的监测数据。整理获取上述断面在大坝施工期间关键时间节点的观测数据，结果见表1。从表中的数据可以看出，大坝完建期间，各个断面的堆石体沉降量随着时间推移而迅速增加，之后增加速率趋缓，最后趋于稳定。

表1 各观测点沉降量实测数据

2.3 沉降量预测方法

变形监测是心墙堆石坝安全监测的重要内容，主要是通过对心墙堆石坝变形实测资料的分析和规律解释，及时发现大坝的异常情况，为其安全分析和评价提供支持[7]。一直以来，诸多学者在大坝沉降预测方面进行了深入的研究和探索，提出了一系列行之有效的沉降预测方法，如灰色理论、模糊数学、BP神经网以及时间序列分析，并取得了丰硕的成果[8]。本次研究中，结合背景工程的实际情况，选择俞艳玲等基于蛙跳算法提出的改进非等间距 GM(1，1)大坝位移预测模型[9]、王玉振针对大坝变形监测数据非平稳非线性的特点提出的基于经验模态分解(EMD)的小波神经网络预测模型(EMD-WNN)[10]以及魏博文等依据时间序列原理提出的一种基于 BP-ARIMA 的多尺度变形组合预报模型[11]进行对比分析，以获取不同模型在预测结果方面的差异性和适合性。

3 预测结果的对比分析

3.1 断面A预测结果对比分析

利用选择的三种不同预测方法对典型断面A的沉降量进行预测计算，结果见表2。为了对比不同预测模型的预测计算精度，对各模型预测值与实测值的相对误差进行计算，结果如图1所示。由表2和图1可知，改进非等间距 GM(1，1)模型、EMD-WNN以及基于 BP-ARIMA 的多尺度变形组合预报模型的相对误差均值分别为0.59%、11.21%、0.82%；其相对误差的最大值分别为1.06%、11.21%、1.18%。由此可见，预测误差最小的是改进非等间距 GM(1，1)模型，其次是BP-ARIMA 的多尺度变形组合预报模型，误差最大的是EMD-WNN。另一方面，随着时间的推移，非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型的预测误差在逐渐减小，也就是预测的精度不断提高。综上所述，从断面A来看，非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型更适合于本文背景工程的沉降量预测计算。

表2 断面A沉降量预测结果

图1 断面A不同模型预测值的相对误差变化曲线

3.2 断面B预测结果对比分析

利用选择的三种不同预测方法对典型断面B的沉降量进行预测计算，结果见表3。为了对比不同预测模型的预测计算精度，对各模型预测值与实测值的相对误差进行计算，结果如图2所示。由表3和图2可知，改进非等间距 GM(1，1)模型、EMD-WNN以及基于 BP-ARIMA 的多尺度变形组合预报模型的相对误差均值分别为1.41%、9.42%、2.50%；其相对误差的最大值分别为2.88%、13.31%、5.70%。由此可见，预测误差最小的是改进非等间距 GM(1，1)模型，其次是BP-ARIMA 的多尺度变形组合预报模型，误差最大的是EMD-WNN。另一方面，随着时间的推移，非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型的预测误差在逐渐减小，也就是预测的精度不断提高。综上所述，从断面B来看，非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型更适合于本文背景工程的沉降量预测计算。

表3 断面B沉降量预测结果

3.3 断面C预测结果对比分析

利用选择的三种不同预测方法对典型断面C的沉降量进行预测计算，结果见表4。为了对比不同预测模型的预测计算精度，对各模型预测值与实测值的相对误差进行计算，结果如图3所示。由表4和图3可知，改进非等间距 GM(1，1)模型、EMD-WNN以及基于 BP-ARIMA 的多尺度变形组合预报模型的相对误差均值分别为1.65%、9.38%和2.24%；其相对误差的最大值分别为3.40%、28.15%、5.27%。由此可见，预测误差最小的是改进非等间距 GM(1，1)模型，其次是BP-ARIMA 的多尺度变形组合预报模型，误差最大的是EMD-WNN。另一方面，随着时间的推移，非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型的预测误差在逐渐减小，也就是预测的精度不断提高。综上所述，从断面C来看，非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型更适合于本文背景工程的沉降量预测计算。

表4 断面C沉降量预测结果

图3 断面C不同模型预测值的相对误差变化曲线

4 结论

此次研究以实际工程为背景，对高心墙堆石坝施工完建期间的堆石料沉降预测方法进行对比研究，获得的主要结论如下：

(1)对背景工程而言，预测精度最高、误差最小的是改进非等间距 GM(1，1)模型，其次是BP-ARIMA 的多尺度变形组合预报模型，预测精度最低、误差最大的是EMD-WNN。

(2)改进非等间距 GM(1，1)模型和BP-ARIMA 的多尺度变形组合预报模型的预测结果均比较准确，可以有效描绘研究断面的沉降变化，更适合于背景工程的沉降预测研究。

(3)不同的预测方法有不同的适应对象，同时会受到工程特点，特别是地质环境的较大影响，并在预测精度上可能存在显著差异，因此在实际应用中选择合适的预测方法十分重要。