0.   引言

2018年7月，“水库大坝安全诊断与智慧管理关键技术与应用”（2018YFC0407100）项目正式获批立项，对应指南“水库大坝安全诊断与智慧管理关键技术与应用”方向。该项目由水利部交通运输部国家能源局南京水利科学研究院牵头，天津大学、河海大学、中国水利水电科学研究院、长江勘测规划设计研究有限责任公司、华能澜沧江水电股份有限公司、长江水利委员会长江科学院、四川大学、中国科学院计算机网络信息中心、南京瑞迪水利信息科技有限公司共10家单位共同参与。项目围绕中国水库大坝工程运行能力提升及安全保障需求，通过近四年联合攻关，在大坝多源异构信息融合理论、大型复杂水工结构性能演化与灾变机理、基于大数据的大坝安全智能诊断和智慧决策理论与方法等方面取得多项创新突破，有力推动了水库大坝工程智慧、高效运行与安全保障领域的科技进步。本文就项目的研究背景、研究内容、主要创新成果，以及成果的应用情况等作简要介绍。

1.   背景及国内外研究现状

水库大坝关系防洪安全、经济安全、生态安全与公共安全，其建设与安全运行一直是国内外坝工界研究的重点。中国现有9.8万余座水库大坝，建设水平世界领先，但管理水平相对滞后，信息化应用程度较低，智能诊断与协同管理能力薄弱，亟待利用物联网、云计算、大数据等现代信息技术，全面感知多源信息^[1]，通过数据融合，实现大坝安全智能诊断与智慧管理，为充分发挥水利基础设施整体效能、进一步提升水库大坝应急管理能力、切实保障大坝安全运行提供科技支撑^[2]。

在大坝安全多源信息融合与安全诊断技术方面，国内外在大坝安全诊断与风险评估技术领域已开展大量研究，取得丰富成果^[3-4]，但多为离线分析，对多源异构信息的融合、重构，以及动态服役环境与大坝结构互馈作用机制及其建模仿真技术等研究仍不够充分。大坝破坏过程及其失效模式研究多采用动力破坏模型试验和数值计算方法，但模型试验相似率难以满足，破坏判据不完善；有限元等数值计算方法、材料模型和强度理论常局限于单一本构关系，缺乏不同材料模型之间的对比分析。传统的大坝安全诊断方法与准则以位移、应变、温度、渗流等常规物理量作为指标评价大坝安全性态，无法满足大坝安全实时快速感知、评价诊断需要。大数据环境下的大坝损伤机理、破坏过程、安全评估研究仍处于探索发展阶段，有待进一步完善大坝安全多源信息感知—融合与诊断评估理论和方法。

在大型复杂水工结构性能演化与预测预警技术方面，国内外在水工结构灾变破坏和耐久性、水工结构智能检测和加固、大坝安全评价和监控理论与方法、溃坝风险分析理论和方法、高性能水工程新材料等方向已开展大量研究^[5-7]，包括混凝土坝裂缝性态诊断与危害性评定关键技术、SRAP结构评估修复成套技术及水工混凝土静动态损伤断裂过程及其声发射特性研究等，相关研究主要针对混凝土结构构件本身，缺少针对钢筋混凝土和钢结构等大型复杂水工结构性能演化过程的定量检测方法与损伤断裂测试装备，相应劣化影响机制与灾变机理缺乏深入和系统研究，需进一步研发大型复杂水工结构性能演化测试装备，结合大量试验建立细观及局部劣化与宏观响应关系，研发大型复杂水工结构病害智能诊断系统与性能劣化演变预测模型。

在基于大数据的大坝安全智能诊断与智慧决策技术方面，目前基于物联网、自动测控和云计算的智能大坝建设成套技术已取得重大进展并得以成功应用^[8]，可实现对大坝施工进度、质量、温控与结构信息的实时、在线、个性化管理与分析，并实时对大坝质量和性能进行控制的综合管理，其基本特征是施工、监测数据智能采集入库，监测数据与仿真分析一体化，施工管理和运行控制实时智能化，典型工程主要以澜沧江代表的西南诸河流域梯级水电开发项目。对于运行期的水库大坝，研究多集中于信息实时采集、信息管理、基于“一机四库”的大坝安全专家系统等方面，大数据驱动的大坝健康诊断与除险决策、预测预警与优化调度、风险评估与应急管理等一体化的智慧管理系统是亟待研发的重大科技需求。

在现代信息技术应用方面，云计算、物联网、大数据、移动互联网、人工智能等新一轮信息技术与经济社会深度融合，智慧城市、智慧社区、智能电网、智慧交通、智慧医疗等在发达地区和相关行业得到初步应用，深刻改变着政府社会管理和公共服务的方式。在新一代信息技术支撑下，通过全面感知、识别、模拟和预测社会态势，辅助政府和企业进行精细管理、快速响应、协同调度、科学决策，进而提供人性化服务，让经济社会发展更高效、更集约、更智能。智慧社会的理念由IBM公司（2008）首先提出，其推出的《智慧地球赢在中国》计划书重点提出了“智慧城市”“智慧交通”“智慧电力”“智慧医疗”和“智慧银行”等方案（2009）。智慧水利是智慧社会建设的重要组成，而水库大坝安全智慧管理是智慧水利的重要安全保障，其重要特征包括透彻感知、全面互联、深度融合、广泛共享、智能应用、范在服务等。目前已有BIM技术应用于水利水电工程设计，AI与VR技术应用于大坝安全监控领域。尽管水利信息化建设取得了一定成效，但与智慧城市、智慧交通、智慧电力等相比仍存在一定差距，一是在对信息技术应用的范围和水平上，二是在对大数据、云计算、物联网、移动通讯等新一代信息技术的认知上，更重要的是在对传统水利向智慧水利转变必要性、重要性的认识与实践上。

2.   研究目标及内容

2.1   研究目标及内容

本项目针对大数据背景下大坝多源异构信息融合理论、大型复杂水工结构性能演化与灾变机理、大坝安全智能诊断和智慧决策理论与方法等关键科学问题，以及大坝结构与服役环境互馈动态建模仿真、大坝安全智能诊断与预警及智慧管理等关键技术，开展理论创新与技术攻关，设置大坝多源信息感知-融合-挖掘的理论与方法、大型复杂水工结构性能演化测试装备与智能诊断技术、大坝结构与服役环境互馈仿真及智能监控关键技术、基于大数据的大坝安全诊断与预警关键技术、大坝安全智慧管理决策系统研发与示范、国家大坝安全监管云服务平台研发与应用共6个研究课题。课题相关信息见表 1。课题间逻辑关系如图 1所示。

表  1  课题设置基本信息

Table  1.  Basic information of tasks

序号	课题名称	承担单位	负责人
1	大坝多源信息感知-融合- 挖掘的理论与方法	天津大学	崔博
2	大型复杂水工结构性能演 化测试装备与智能诊断技术	河海大学	李同春
3	大坝结构与服役环境互馈 仿真及智能监控关键技术	中国水利水电 科学研究院	温彦锋
4	基于大数据的大坝安全诊断 与预警关键技术	长江勘测规划设计 研究有限责任公司	高大水
5	大坝安全智慧管理决策系统 研发与示范	华能澜沧江水电 股份有限公司	肖海斌
6	国家大坝安全监管云服务 平台研发与应用	南京水利科学 研究院	盛金保

下载: 导出CSV 

| 显示表格

图  1  课题间逻辑关系

Figure  1.  Logical relation of tasks

下载: 全尺寸图片 幻灯片

2.2   关键科学技术问题

围绕任务目标，项目着重解决以下3大关键科学问题。

（1）大坝多源异构信息融合理论。中国水库大坝数量众多，施工期与运行期积累了长历时、多尺度、多源、异构海量信息，但信息之间缺乏有效交互，信息繁杂，增加了信息融合难度，造成信息交叠浪费。针对传统水库大坝信息采集方法存在机动性不足、可维护性差、缺乏时效性，以及在信息融合过程中缺乏能够对大坝海量多源异构信息进行深度融合与可视化分析的成熟理论与方法，研究提出水库大坝多源信息透彻感知、智能分析、特征融合与挖掘的成套理论和方法，为实现多尺度、多维度、海量多源数据的智能采集、分析与深度融合，为大坝安全诊断与智能预警提供理论支持与技术支撑。

（2）大型复杂水工结构性能演化与灾变机理。目前水库大坝钢筋混凝土和钢结构等大型复杂水工结构性能演化过程的定量检测方法与损伤断裂测试装备尚不完善，无法深入系统探究其相应劣化影响机制与灾变机理。为此，需进一步研发复杂运行环境下钢筋混凝土结构（如挡水面板、孔口、隧洞、闸坝、进水塔、廊道）和钢结构（如闸门、压力钢管）等大型复杂水工结构性能演化测试装备，并通过大量试验研究明晰其细观及局部劣化与宏观响应之间的关系，揭示恶劣环境条件下大型复杂水工结构性能演化与灾变机理，提出大型复杂水工结构病害智能诊断方法与性能劣化演变预测模型，为大型复杂水工结构灾变控制提供理论基础。

（3）基于大数据的大坝安全智能诊断和智慧决策理论与方法。针对中国水库大坝管理水平相对滞后、信息化应用程度较低，智能诊断与协同管理能力薄弱等突出问题，利用现代信息技术手段，全面感知多源信息，通过数据融合，研究建立大数据环境下大坝安全诊断指标体系及评判准则，提出大坝安全多维多源信息的决策融合方法，构建大坝安全综合评估知识工程与智能诊断模型，集成高效精准的健康诊断与除险决策、预测预警与优化调度、风险评估与应急管理等一体化的智慧管理决策系统，实现大坝安全智能诊断与智慧管理。

项目重点解决的两大关键技术问题包括：①大坝结构与服役环境互馈动态仿真技术。针对大坝材料参数、边界条件、荷载、监（检）测信息、力学模型及淤积、地质灾害、超大或超长历时洪水、极端气温（持续高温或冰冻）、旱涝急转、水位骤升骤降等服役环境多源信息不确定性，研究大坝结构与服役环境多源信息不确定性的传递累计效应及降低技术，在此基础上研究融合多源信息的大坝建模与参数综合反演技术，动态服役环境下大坝四维全景仿真技术，揭示大坝结构与动态服役环境互馈机制与长效服役性能演化规律，并研发基于BIM的大坝结构与服役环境互馈智能监控技术。②大坝安全智能诊断、预警及智慧管理关键技术。基于现代信息技术手段，通过研究大数据环境下大坝安全智能诊断与预警指标体系及评判准则、安全智能诊断模型，以及结构性态预测预警自适应优化方法、智慧决策理论与方法，提出大数据驱动的大坝安全智能诊断、预警与智慧管理成套技术。

3.   主要创新成果

3.1   大坝多源信息感知-融合-挖掘的理论与方法

（1）基于智能采集终端的大坝海量异构信息快速获取与高效通信传输理论

针对大坝多源信息采集与传输中存在的欠缺功效性以及信息离散化等问题，提出了基于窄带物联网技术的数据采集单元（见图 2）、基于“物联网标识管理公共服务平台”的数据标识技术及基于WSN（无线传感器，wireless sensor network）的信息感知系统，研发了多源信息智能采集系统。针对水下环境，研究了基于水下边缘计算的网络架构和路由协议（见图 3），设计了水下网络环境下边缘计算数据卸载路径。针对海量信息异构特点，构建了多源信息分类与筛查原则；提出了用于计算两个不同语言本体相似值的跨语言相似测度，构造了跨语言本体匹配问题的最优模型^[9]，并提出了基于问题交互式紧致差分进化算法。上述成果从智能采集、水下传输、异构匹配等构建了基于智能采集终端的海量异构信息快速获取与高效通信传输理论方法。

图  2  基于窄带物联网技术的数据采集系统

Figure  2.  Data acquisition system based on narrowband internet of things technology

下载: 全尺寸图片 幻灯片

图  3  水下边缘计算物理架构

Figure  3.  Physical architecture of underwater edge computing

下载: 全尺寸图片 幻灯片

（2）大坝长历时、多尺度、多维度、异构海量多源信息透彻感知和智能分析体系

采用无人机摄影、图像识别等高新技术与机器学习、数据挖掘等智能分析算法，构建了包括大坝空间基础信息、服役环境信息全方位透彻感知和智能识别能力的感知体系：实现了基于无人机倾斜摄影的大坝参数化建模，运用深度学习目标检测网络YOLOv3实现了对大坝现场信息感知，设计了水下结构物表面缺陷仿生双目视觉测量方法和水下偏振成像缺陷监测系统^[10]。基于智能方法，剖析了大坝效应量与影响量序列变化特征与趋势：提出了基于混合灰色关联分析的大坝变形驱动因素分析方法^[11]，通过耦合STL分解和相空间重构理论提出了改进极限学习及大坝变形预测模型，并构建了基于Bootstrap和ICS-MKELM算法的变形预测模型^[12]（见图 4），建立了变形性态小波支持向量机预报模型和算法；耦合小波多分辨率分析和突变理论，建立了大坝运行状况突变分析模型；并提出了基于D-S证据理论的大坝整体安全推理模型；提出了基于PCA-SSA-XGBoost算法的拱坝应力预测方法。上述成果形成了大坝长历时、多尺度、多维度、异构多源信息透彻感知和智能分析体系，可实现大坝多源信息及服役环境信息的全方位智能感知和分析。

图  4  基于Bootstrap和ICS-MKELM算法的大坝变形预测流程

Figure  4.  Dam deformation prediction process based on Bootstrap and ICIBA SM algorithm

下载: 全尺寸图片 幻灯片

（3）大坝服役性态多尺度及多维度特征多源信息融合模型与可视化分析方法

针对目前大坝信息融合过程中多局限于结构化数据，缺乏考虑多源异构信息深度融合以及信息智能可视化分析的不足，在数据融合层面，研究大坝多源异构信息融合体系和准则，研发大坝服役环境变量与效应量同类和异类信息融合模型：采用多源图像信息进行智能融合和重建模型，提出了大坝安全状况多指标贡献度分析方法^[13]，以及基于多点测值序列的大坝安全警戒域拟定KPCA方法^[14]，建立了考虑证据冲突的改进DST大坝结构多源信息融合动态诊断模型^[15]，提出基于多源测值序列的大坝安全空间警戒域自适应拟定方法；在可视化分析层面，研究基于BIM的大坝多尺度、多维度、异构、多源信息无缝集成与智能可视化分析并基于unity可视化展示平台，融合BIM模型与GIS技术，实现库坝多源信息的可视化动态展示，如图 5所示。

图  5  基于BIM技术的可视化分析

Figure  5.  Visual analysis based on BIM technology

下载: 全尺寸图片 幻灯片

3.2   大型复杂水工结构性能演化测试装备与智能诊断技术

（1）描述混凝土劣化时变特性的变参数损伤模型理论

基于Heish-Ting-Chen本构模型和不可逆过程热力学的混凝土变四参数模型，引入等效应变，将多轴应变状态转化为等效拉伸应变，确定拉伸损伤。考虑混凝土渐进破坏过程中参数的变化，建立了变参数损伤本构模型^[16]，与常规本构模型相比，能更好描述混凝土软化特性、失效过程，并准确预测混凝土状态，模拟结果与经典混凝土试验结果比较如图 6所示。

图  6  Nooru试验4 a加载路径下损伤情况与位移和力曲线

Figure  6.  Nooru 4 a damage phenomenon and curves of force and displacement

下载: 全尺寸图片 幻灯片

（2）遥控检查混凝土微裂缝的技术与设备

基于混凝土微裂缝选择性热激励理论，发明了热激励混凝土微裂缝识别设备。喷水温差激励过程中，因裂缝处的水与其周围混凝土进行的热传递比较快，裂缝处温差持续时间较短。基于混凝土微裂缝具有的强烈毛细吸水性能，向微裂缝混凝土面喷洒不同的化学试剂溶液，微裂缝处吸入或黏附的水溶液明显多于混凝土表面的其他位置，所喷洒的化学试剂能够在微裂缝处发生反应并能长时间稳定地放热。因而裂缝处存在的温差能够维持较长时间且明显高于其他部位，则微裂缝能够长时间在热像图上清晰呈现出来，识别效果如图 7所示。

图  7  混凝土柱表观裂缝激励效果

Figure  7.  Concrete columns exhibiting crack excitation effects

下载: 全尺寸图片 幻灯片

（3）水工结构劣化影响机制和灾变机理

荷载–环境因素耦合作用是大型复杂水工结构局部材料劣化的主要因素，考虑其结构种类众多，以压力钢管、水垫塘、闸坝、闸门等为例，选取典型建筑物研究局部劣化和灾变之间定性与定量关系，首次系统揭示了大型复杂水工结构局部劣化和破坏之间的关系^[17-18]，计算模型如图 8，9所示。

图  8  冠部空隙区域管道和完好管道中内衬的等效性示意Fi g. 8 Equivalent schematic diagram of lining of upper gap area pipe and intact pipe

下载: 全尺寸图片 幻灯片

图  9  泄洪闸闸整体结构

Figure  9.  Overall structure of sluice gate

下载: 全尺寸图片 幻灯片

（4）病害智能诊断系统设计与性能劣化演变预测理论

基于已有大数据资料，结合具体材料基础检测指标及其与强度参数的关系特性，材料细观性能与结构宏观性能间的定量关系模型，形成基于监（检）测信息的复杂水工结构多源信息健康诊断系统^[19]，技术路线图如图 10所示。利用神经网络、模糊数学等手段，开发了水工结构表观缺陷高清全景图像获取技术，智能判别水工结构外观缺陷的软件和预测混凝土裂缝开合度的BP人工神经网络改进混合预测模型，依据复杂水工结构劣化影响机制与灾变机理制定合理的评价指标。通过示范工程验证了劣化损伤智能诊断模型、变温冻融损伤模型及裂缝发展预测模型的可靠性与可行性。

图  10  系统技术路线图

Figure  10.  Technology roadmap of system

下载: 全尺寸图片 幻灯片

3.3   大坝结构与服役环境互馈仿真及智能监控关键技术

（1）大坝参数-模型综合反演与精准识别成套技术

提出了集多点监测数据降维融合参数反演、多类数据概率融合更新的参数-模型联动识别、多源信息协同驱动的参数决策与模型筛选等关键技术于一体的大坝参数-模型综合反演与精准识别成套技术^[20]（见图 11），实现了材料试验、服役环境、原观监测、现场检测等多源信息融合驱动的大坝物理力学模型识别与参数综合反演^[21-22]，解决了目前大坝模型识别与参数反演信息源单一，易偏离材料、结构本征的问题，提高了大坝运行性态仿真模拟的精度与可靠性。

图  11  大坝参数-模型综合反演与精准识别成套技术

Figure  11.  Complete set of technology for comprehensive inversion and accurate identification of dam parameters and models

下载: 全尺寸图片 幻灯片

（2）水利水电枢纽群水工安全监测信息动态监控技术

提出了统一的水工建筑物安全监测数据库表结构及对象标识符命名规则，构建了针对水工建筑物、水工监测设备的对象模型，构建了普适于商用云计算基础设施的枢纽群水工监测信息数据中台。研发了融合散点数据形成大坝数字孪生模型的微服务体系和技术中台，实现了对枢纽群水工安全监测数据复杂查询分析和空间分布特性展示，基于BIM模型进行水工建筑物和监测设施三维轻量化展示查询和漫游，形成了对监测设备故障、构筑物病害进行实时预警的业务前台，提出了基于水工建筑物数字孪生模型、通过VTK架构实现大坝性态数字孪生模型线上交互分析和三维浏览的可视化方法。监控平台（见图 12）可实时监控、分析、预测工程安全性态。

图  12  水工水情智慧分析平台

Figure  12.  Intelligent analysis platform of hydraulic and water conditions

下载: 全尺寸图片 幻灯片

（3）大坝结构性态与动态服役环境互馈作用机制以及长效服役性能演化规律

以土石坝为例，揭示了结构性态与动态服役环境互馈作用机制以及长效服役性能演化规律；建立了综合考虑筑坝材料的流变效应、湿化效应等力学特性的性态描述数学模型，揭示了真实复杂服役环境下筑坝材料力学性能参数、环境参数与大坝性态之间的关联关系；利用云计算服务平台，通过四维全景仿真，揭示了考虑水位变化、温度场、渗流场与应力场耦合条件下的坝体长效服役性能演变规律，以及考虑渗流场与应力场耦合、不同介质相互作用下土石坝长效服役性能演变规律^[23-24]，模拟结果见图 13。

图  13  坝体屈服区计算结果

Figure  13.  Calculated results of yield zone of dam

下载: 全尺寸图片 幻灯片

3.4   基于大数据的大坝安全诊断与预警关键技术

（1）大数据驱动的大坝安全诊断与预警指标体系及评判准则

扩展考虑大坝非自身安全风险因素，提出了大数据环境下大坝安全数据源的分类方法。基于大坝安全数据源分类，建立了具有典型递阶层次结构的大坝多层次安全诊断预警指标体系；基于最大熵法和典型小概率法，提出了大坝安全诊断预警指标阈值拟定方法，建立了大坝安全诊断预警指标阈值拟定方法体系（见图 14）；完善建立了大坝安全诊断预警准则体系，提出了涵盖单一指标预警、局部系统预警、整体综合预警的多层次大坝安全诊断预警架构。建立了大坝多层次多级安全诊断预警模型，实现了“微观”、“局部”、“整体”3个层次的多级预警，可为决策层提供直观决策支持，为作业层提供具体作业指导。

图  14  大坝多层次安全诊断预警指标体系架构

Figure  14.  Framework of multi-level safety diagnosis and early warning index system for dams

下载: 全尺寸图片 幻灯片

（2）大坝安全多维多源信息的决策融合方法

构建了基于大坝多维多源数据特征的信息融合诊断模式、方法及体系，诊断模拟见图 15；重点研究了贝叶斯推理、D-S证据理论、粗糙集理论及模糊聚类方法等决策级高层次融合方法，提出了决策级信息融合模型和信息交互决策系统。为了提高大坝安全评价精度，减小主观随意性，克服传统评价模型在同时考虑多重因素确定性和不确定性方面的不足，采用集对分析方法从同、异、反三方面综合分析，并用熵值法实现D-S证据理论的加权基本概率赋值，构建了D-S证据理论与集对分析相结合的监测信息融合模型，探讨了模型构建原理、算法及流程，并实现了大坝安全性态的趋势预估。通过大数据环境下大坝安全诊断与预警指标决策融合方法的示范工程应用，结果表明采用决策融合方法得到的大坝安全状态与实际的安全鉴定结果一致，验证了决策融合方法的有效性。

图  15  多源信息融合诊断模式

Figure  15.  Multi-source information fusion diagnosis mode

下载: 全尺寸图片 幻灯片

（3）大坝安全综合评估知识工程与智能诊断模型

研究了大坝安全综合评估知识表示法，构建了基于大数据的大坝安全综合评价指标体系，提出了融合知识图谱和知识推理的大坝安全专家会商辅助决策方法；针对大坝安全多源异构数据的关联关系，提出了关联性量化指标构建和提取方法，建立了大坝安全序列相似特征的时空相似性指标，提出了划分大坝结构效应时空演变的数据聚类挖掘方法^[25]，实现了大坝变形区域的精准划分（图 16），可为利用海量数据分析大坝不同时段变形性态提供新视角；融合单测点变形时序相关性和多测点变形空间关联性，提出了大坝变形动态监控模型和自适应全局优化分析模型；借助混合监控模型和结构正反分析方法模拟了大坝结构性态，确立了大坝安全诊断分析模型与判据。

图  16  拱坝高水位实测径向位移分布和变形聚类分区图

Figure  16.  Distribution of monitoring deformation and clustering map of deformation distribution during high-water-level period

下载: 全尺寸图片 幻灯片

（4）大坝结构性态预测预警自适应优化方法

提出了大坝安全监测数据的小波自适应阈值去噪方法和小波多分辨率快速分析方法，分离了大坝安全时效、水压、温度和噪声等分量，提出了大坝材料物理参数的精细化反演模型。建立了基于多输出支持向量机的大坝安全性态多测点预报模型（见图 17），借助模型因子主成分优化提取，提出了大数据环境下大坝安全工作性态自适应建模与预测预报方法^[26]。

图  17  大坝安全运行性态预报模型构建流程图

Figure  17.  Construction process of prediction model for safety operation behavior of dams

下载: 全尺寸图片 幻灯片

3.5   大坝安全智慧管理决策系统

（1）大坝安全管理决策系统动力学特性与智慧决策方法体系

a）大坝安全管理智慧决策架构体系

基于系统安全理念，围绕以工程安全、公共安全、生态安全的智慧管理目标，深入分析了智慧决策内涵，即透彻感知、全面互联、深度融合、广泛共享、智能应用、泛在服务^[27]，在此基础上构建了具有预报、预警、预演、预案“四预”功能的智慧决策架构体系（图 18），为优化决策过程、科学化决策方案提供了借鉴。

图  18  水库大坝安全管理智慧决策架构体系

Figure  18.  Intelligent decision-making framework system for safety management of reservoir dam

下载: 全尺寸图片 幻灯片

b）大坝安全管理决策影响要素动态演化机制

突破大坝安全管理决策研究的传统线性思维和局部视野，系统考虑组织、人员、技术多层级风险因素，构建了决策影响要素因果反馈回路^[28]，形成了风险演化过程与管理决策互馈调节结构（图 19）。揭示了预警时间、组织抢险能力、群众风险意识、洪水淹没程度与决策效果的动力学演化机制，为大坝安全管理决策提供了理论支撑。

图  19  水库大坝安全管理决策影响要素因果树

Figure  19.  Causal trees of influencing factors for safety management decision-making of reservoir dam

下载: 全尺寸图片 幻灯片

c）大坝安全智慧决策系统动力学模型与方法

通过对驱动决策过程动态因子及其反馈关系的深入挖掘，揭示了动态因子对决策的影响机制，建立了如图 20所示的决策系统动力学数值模型，实现了决策行为与处置效果的定量描述。通过对典型工程案例仿真模拟（图 21），推演了组织决策与群众生命损失随时间变化的动态过程，重现了水库溃坝历史行为，实现了临界预警决策时间界定与决策效果的重构和预测；基于协同进化的多目标混沌粒子群算法对大坝系统安全决策多目标化进行优选，形成集运行调度、补强加固、应急管理、风险防控等相结合的大坝安全管理智慧决策方法体系，提高了决策的科学性和有效性。

图  20  水库大坝安全管理决策系统动力学模型

Figure  20.  Dynamic model for safety management decision-making system of reservoir dam

下载: 全尺寸图片 幻灯片

图  21  某水库大坝安全管理决策模型仿真结果

Figure  21.  Simulated results of decision-making model for dam safety management of a reservoir

下载: 全尺寸图片 幻灯片

（2）大坝安全智能感知-风险辨识-应急响应成套技术

针对水库大坝运行期工程安全影响主要因素，提出了地震监测、水情监测、库岸滑坡监测与安全监测等多源数据与信息有效融合方法，以及基于深度学习的大坝缺陷特征自动提取^[29]，样本训练与标识，缺陷监测与识别等综合感知、巡检与监测联动识别与诊断互判、缺陷发展和风险扩散趋势分析与研判技术^[30]；研发了地震、洪水、地质灾害等突发事件下大坝与泄水建筑物运行安全判别标准、分类分级预警指标；分析各类型大坝的应急响应措施方案，提取应急措施方法的关键路与关键节点，制定了基于典型大坝的非常工况风险控制机制；采用遥感、激光扫描、物联网等先进技术，构建了集实时监测、安全分析、风险辨识与分级响应为一体的水库大坝运行安全防控成套技术^[31]，框架如图 22所示。

图  22  水库大坝运行安全防控成套技术框架

Figure  22.  Complete technical framework for safety prevention and control of reservoir dam operation

下载: 全尺寸图片 幻灯片

3.6   国家大坝安全监管云服务平台

（1）国家大坝安全智慧监管模式和机制

基于中国水库大坝安全管理现状和国家大坝安全监管需求，提出了以“法规制度为依据，监管机制为保障，监管体制为支撑，监管措施为抓手”的跨管理层级、全业务覆盖的大坝安全智慧监管模式与机制；提出了基于大坝安全管理全业务权重计算的管理评估标准体系及分级预警指标^[32]、基于词频和关键词学习的大坝安全技术手册质量智能评估方法，研发了智能评估系统并开展了实践验证^[32]，监管业务流程如图 23所示。

图  23  监管业务流程示意图

Figure  23.  Schematic diagram of regulatory business process

下载: 全尺寸图片 幻灯片

（2）国家大坝安全监管信息分类与标准化

围绕国家大坝安全监管信息种类多、异构性强、标准化体系不完善等问题，基于国家大坝安全监管多层级管理、多业务监管的信息特征、信息分类和细化方法，通过系统化、规则化的管理元素剖分，编制了《大坝安全管理信息表结构与标识符》《大坝安全监测数据库表结构及标识符》《水库大坝安全资料标准化处理指南》等适用于大坝安全多层级、多业务监管的多源异构信息分类标准，完善了大坝安全监测监督数据库与数据处理标准体系，建立了全国大型水库大坝安全实时监测信息模型，构建了标准化、规模化、集中化的全国大型水库大坝安全实时监测信息数据库和面向主题的集成时变数据仓库。监测数据库概念模型见图 24。

图  24  安全监测数据库概念模型

Figure  24.  Conceptual model for safety monitoring database

下载: 全尺寸图片 幻灯片

（3）国家大坝安全智能监管技术

基于监管信息特征与规律、监管需求，融合水库大坝安全监管多源信息大数据成果，研判识别安全监管风险源，运用关联、聚类等方法挖掘大坝安全监管信息特征，提出了适应不同阶段和不同风险等级大坝安全动态监管方法；针对大坝变形、渗流等真实反映大坝安全性态的重要参数，提出多种大坝变形预测模型、渗压水位极值预测模型^[33-35]；提出大坝安全预警指标拟定、基于单测点和多测点的大坝安全运行动态预警方法，研发全坝型大坝安全异常预警自适应模型，构建水库大坝安全监测智能预警体系，预警系统如图 25所示。

图  25  预警系统示意图

Figure  25.  Schematic diagram of early warning system

下载: 全尺寸图片 幻灯片

（4）国家大坝安全智慧监管业务应用系统与云服务平台研发

围绕安全管理监督、工程安全预警、应急决策支持等3个大坝安全监管重点环节，基于多维度大坝安全监管权责，构建了水库大坝安全信息共享与多维协同监管云服务架构，研发了跨管理层级的国家大坝安全智慧监督系统、全坝型自适应大坝安全监测智能预警系统、突发事件全过程动态跟踪应急决策支持系统^[36]。应用多源异构信息汇集与交换技术，构建了规模化、高效能、集约化的国家大坝安全监管云服务平台，为“全国大型水库大坝安全监测监督平台”一期工程建设提供了技术支撑，并应用于全国大型水库大坝安全监管，支撑水利行业水库大坝主管部门监测监督与应急管理，显著提升中国水库大坝安全运行管理、监督管理及应急管理智能化水平。

4.   成果应用情况及社会经济效益

围绕中国水库大坝工程运行能力提升与安全保障的实际需求，集成项目主要研究成果，依托澜沧江流域代表性水电工程等，开展了大型复杂水工结构性能劣化评估技术、复杂环境钢及钢筋混凝土结构腐蚀劣化测试装置、基于大数据的大坝安全诊断与预警关键技术等一系列示范应用；依托南方电网电站群等，开展了大坝结构与服役环境互馈仿真及智能监控关键技术示范应用；依托全国大型水库大坝安全监测监督平台、全国水库运行管理信息系统等平台，开展了国家大坝安全智慧监管模式和智能评估方法的示范应用。

（1）大型复杂水工结构性能劣化评估技术示范应用

针对重力坝混凝土材料长期性能劣化问题，研发基于图像识别的混凝土表面缺陷评估技术，提出了全坝覆盖与典型部位兼顾、物理方法与化学手段综合、微观检测与仪器监测比对的重力坝混凝土长期性能评估新工艺。通过对历经30 a运行的澜沧江流域漫湾常态混凝土重力坝不同强度等级分区典型部位的混凝土钻芯取样，将检测成果与电站各阶段混凝土试验成果对比分析，有效揭示了漫湾混凝土重力坝在多重环境因素、多重荷载等复杂动态环境影响条件下混凝土长期性能演化机理，为研究复杂水工结构细观与宏观响应关系、性能综合评价等提供了基础数据，提升了水工混凝土智能诊断和病害演化智能预测质量和精度，为漫湾大坝安全诊断、除险决策、风险评估与应急管理等提供了先进的技术支撑，为大坝安全稳定运行起到重要保障作用。

（2）复杂环境钢及钢筋混凝土结构腐蚀劣化测试装置示范应用

为保障水工钢筋混凝土结构安全服役，有必要及时掌握混凝土内钢筋锈蚀状况。围绕中国大型复杂水工建筑安全诊断和智慧管理的实际需求，在总结各类电化学测试技术的基础上，基于护环技术，研发设计了具有补偿功能的直线型三参比三辅助钢筋腐蚀测试探头；根据混凝土中钢筋电化学阻抗特征及变化规律，定制了具有双恒电位反馈电路设计的便携式钢筋混凝土腐蚀测试仪，初步形成了一套复杂环境钢及钢筋混凝土结构腐蚀劣化测试装备，初步解决了多年来水工钢筋混凝土结构腐蚀劣化定量检测方面存在的技术难题。现场工程应用研究发现，红雁池水库排水管钢衬电化学阻抗图谱，与预想基本一致，采用自制钢筋腐蚀测试探头及定制的便携式钢筋锈蚀测试仪，可以得到准确、稳定的测试结果。

（3）基于大数据的大坝安全诊断与预警关键技术示范应用

基于此关键技术，项目在梅山、陆水、百色等代表性水利水电工程进行应用示范。构建了示范水库大坝安全诊断与预警指标体系、评判准则体系，基于大坝安全多维多源信息决策融合方法和结构性态预测预警自适应优化方法，建立了示范水库大坝安全综合评估知识工程和智能诊断模型，构建了以一整套大数据驱动的大坝安全智能预警平台。成果应用以来，进一步促进了水库大坝的信息化，提升了水库大坝安全诊断和预警的水平，为水库大坝长效安全运行提供了技术保障，产生了良好的应用示范效果。

（4）大坝结构与服役环境互馈仿真及智能监控关键技术示范应用

围绕大坝结构与服役环境互馈动态仿真技术进行研究，项目提出了异类数据概率融合更新的参数–模型联动识别技术、数据-机理融合的大坝服役性能耦联评估模型、水利水电枢纽群水工安全监测信息动态监控技术等关键技术。实施过程中依托南方电网电站群、瀑布沟、官地等大型水利水电工程，研究成果已应用于实际大坝性态分析和在线安全风险管控，为工程安全管理提供了理论和技术支持。为水库大坝全生命期的安全保障和应急管理等提供了新的手段，具有广阔的推广应用前景，将极大推进水利行业自动化、信息化、智能化发展，直接经济效益显著。

（5）国家大坝安全智慧监管模式和智能评估方法示范应用

国家大坝安全智慧监管模式和智能评估方法研究成果已在全国大型水库大坝安全监测监督平台（一期）工程、全国水库运行管理APP、全国水库运行管理信息系统、全国水库大坝注册登记系统、江西省水利工程运行管理信息系统、于桥水库大坝安全监测信息管理系统等建设与运行中得到应用，发挥了强化水库大坝安全运行管理、监督管理、应急管理实践作用，提升了国家水库大坝安全监管水平和能力，产生了显著的经济和社会效益，具有广泛的推广应用前景。

5.   结语

本项目围绕水库大坝工程运管工作实际，在大坝多源异构信息融合理论、大型复杂水工结构性能演化与灾变机理、基于大数据的大坝安全智能诊断和智慧决策理论与方法等方面形成了一批具有时代特色的科研成果，有力推动了相关领域的科技进步，具体体现在以下3个方面。

（1）促进理论学科发展。项目团队充分应用云计算、大数据、物联网等现代信息技术，建立了水库大坝安全多源信息融合、基于大数据的大坝安全智能诊断和智慧决策等理论与方法，实现了大坝安全智能诊断与智慧管理，构建和集成区域以及国家大坝智慧管理决策系统，显著提高大型水库和流域水库大坝安全诊断与智慧管理水平，促进大坝安全智慧管理学科向更加深入、广泛的方向发展。

（2）引领应用技术进步。为了提高中国水库大坝管理水平，加强传统水利与现代信息技术的融合，本项目从基础理论和工程实际出发，研发了大型复杂水工结构性能演化测试装备，形成了大坝参数-模型综合反演与精准识别技术、水利水电枢纽群水工安全监测信息动态监控技术、水库大坝安全智能感知-风险辨识-应急响应技术在内的一系列关键应用技术。经工程应用检验，相关技术在服务于水库大坝工程运行与管理方面具有较好的适用性，显著提升了水库大坝安全管理水平和能力。

（3）推动技术应用标准化。项目团队基于项目相关研究成果，充分吸收技术应用过程中的成功经验，在水工结构病害诊断和防护方面，形成了《混凝土结构耐久性电化学技术规程》^[37]、《有机硅渗透型防护剂规程》^[38]、《混凝土抗氯离子渗透性能的交流的交流电测量方法》^[39]等团体标准3部；在大坝安全监测和管理方面，形成了《水利水电工程白蚁实时自动化监测预警系统技术规范》^[40]等团体标准1部，在为进一步提高水库大坝运行和管理水平提供了标准化方案。

结合本项目研究，发表论文179篇，其中SCI/EI收录82篇；出版专著37部；申请国家专利67件，获得软件著作权49项，形成团体标准4部。研究成果直接服务于全国水库大坝安全诊断与智慧管理，为进一步健全我国大坝安全保障体系提供了科技支撑，全面保障水库大坝安全运行和综合效能发挥，提高了溃坝灾害防控能力，社会效益、经济效益和生态环境效益极其显著。