基于自适应的高海拔地区心墙填筑进度仿真

陈廷才，胡 超，徐 盛，周宜红

(1.三峡大学水利与环境学院，湖北 宜昌 443002； 2.水电水利规划设计总院，北京 100120)

我国西南地区水能资源丰富，随着开发程度的推进，近年来逐步转向地质条件复杂、地震烈度高、自然环境恶劣、交通极度不便的高海拔地区。这些地区受缺氧、高寒、强辐射、高蒸发、大温差等特殊气象因素影响，给筑坝带来极大干扰。堆石坝能直接利用当地材料，减少外来物资运输压力，且适应性强、抗震性能优良、经济优势明显，在高海拔地区修建高坝使特高坝得到更广泛的应用。目前有两河口(坝高295 m)、双江口(坝高312 m)、如美(坝高315 m)等一批特高心墙堆石坝正在展开建设或设计工作。

高海拔地区心墙堆石坝施工条件复杂。心墙填筑是筑坝施工的关键控制环节，心墙有效施工时间短，施工不连续，强度不均匀，为现场施工进度控制和管理带来挑战[1-4]。

近年来，为做好工程施工进度控制和管理，多采用施工仿真方法对施工进度进行模拟，如王仁超等[5]运用自适应控制理论与方法建立了高堆石坝施工过程管理与施工控制模型；程严等[6]根据流水作业的基本原理和堆石坝填筑的施工特点，并考虑堆石坝土石方挖运对其坝面流水施工的影响，合理确定了坝面流水施工方案；申明亮等[7]系统分析了堆石坝填筑过程中不同分期和分区施工之间的相互联系和制约关系，建立了具有一定通用性的坝体填筑施工模拟模型；钟登华等[8-9]通过综合考虑施工现场各项影响因素，建立了心墙堆石坝仓面施工进度动态控制模型，实现仓面施工进度的事前、事中控制，并结合系统仿真技术、数据库技术、可视化技术、系统集成技术和实时监控技术，开展了高堆石坝施工仿真与优化理论和方法的研究。

然而，上述仿真研究多在施工前开展，仿真参数的设定受主观因素影响较大，未随填筑过程进行动态调整，难以反映现场施工条件的变化情况。心墙填筑过程不仅受仓面划分、资源配置、施工方法等内部因素影响，也受气象条件、料场供料、上坝路径等外部因素影响[10]，且这些因素都是动态变化的，导致仿真预测过程和结果均与实际情况存在一定偏差。因此，需要综合考虑高海拔地区的复杂约束条件，依据历史数据，对仿真参数进行全过程的自适应调整，使仿真结果更贴近工程实际。

本文通过对心墙填筑过程复杂约束条件的分析和研究，综合考虑了土料开采运输过程、高海拔地区气象条件，建立了基于自适应的高海拔地区特高心墙堆石坝心墙填筑进度仿真模型，工程实例应用表明，本文提出的仿真方法能够反映施工现场实际情况，仿真进度偏差较小。

1 基于自适应的心墙填筑进度仿真模型

1.1 料源约束

特高心墙坝施工过程中，心墙填筑往往是多个料场供料，考虑料场布置、料源质量、供应方式、供应时序等因素，应在满足工程用料质量的同时，尽量降低经济成本[11]。复杂土料场土料开采模型[12-14]可用下式表示：

(1)

式中：Zmin为优化目标函数，表征最优开采方案；n为土料场数量；m为土料类别数量；Dij为第i个土料场第j类土料的开采成本，其与土料场位置、土料场覆盖层等因素有关，通常用工时进行描述；Qij为第i个土料场第j类土料的质量效用系数；Tij为第i个土料场第j类土料在不同时间段内的时间效用系数；ω1、ω2、ω3为人工决策参数，且ω1+ω2+ω3=1。

1.2 气象约束

高原地区气象条件复杂多变，心墙填筑受气象条件影响较大，气象模拟精度是仿真模拟精度的关键要素之一。本文采用BP神经网络算法根据历史气象数据[15-17]，对后续施工过程中降雨和温度两要素进行预测，形成每日数据，以判断施工条件。BP神经网络具有非线性映射能力，数学理论证明3层BP神经网络能够以任意精度逼近任何非线性连续函数，故本文采用3层BP神经网络对气象数据进行预测。历史气象数据由时间序列、降水量和温度组成，首先将时间序列的起始值置为1，此后以天为单位依次递增，并使用线性映射函数将时间、降水量和温度值映射到0～1之间。设处理后的时间序列为ti，降水量和温度随时间分布序列分别为Pi和Ti，其中，i为序列号，且 1≤i≤k，k为历史气象数据长度。

利用数据序列ti、Pi和Ti构造BP神经网络的输入和输出，本文采用错位递推的方式，对目标数据进行逐个预测。设预测时间序列长度为l，即共进行l次数据预测，则第j(1≤j≤l)次预测时，网络的输入数据为{t1+j,t2+j,…,ti+j,…,tk-1+j}，网络输出数据为{P2+j,P3+j,…,Pi+1+j,…,Pk+j}和{T2+j,T3+j,…,Ti+1+j,…,Tk+j}。由网络输入输出数据结果可知，输出数据相对于输入数据，始终在时间序列上向后移动一位，在预测过程中，将已预测数据逐渐累加到训练集中，即训练集随预测序列j的改变逐步加长。

使用3层BP神经网络模型进行气象数据预测，预测效果如图1所示。图1反映了用归一化后的温度数据对模型进行训练和测试的效果，由测试结果可知，本文建立的BP神经网络模型可用于长时间序列气象数据的预测。

图1 BP神经网络模型测试结果

高原气象条件对仓面施工的影响主要表现在3个方面：①当降水量达到0.5 mm时，仓面停止施工，并根据实际降雨情况，在雨停后等待一段时间才能复工；②当温度低于0℃时，做防护施工，温度低于-10℃时，停止施工，温度回升后，根据实际仓面冻结情况，等待一段时间再复工；③在等待复工时段，风速会加快仓面水汽蒸发，缩短待工时长。气象影响填筑施工分析流程如图2所示(图中P降水量，T为大气温度)。

图2 气象因素影响下填筑施工流程

1.3 仿真参数自适应调整模型

心墙填筑进度仿真模型中包含仿真参数自适应调整模型，调整的参数为浮动性较大的进度控制参数，如机械配置数量、料源供给强度等。自适应调整过程的有效时段是拥有实际填筑进度数据的时段，自适应调整过程以控制心墙实际填筑进度与仿真进度的误差来实现[18]。仿真参数自适应调整模型如下式所示：

(2)

式中：Y为调整后的参数；Y0为调整前的参数；Ymin、Ymax分别为待调整参数的最小限定值和最大限定值；Sf为心墙实际施工进度；Ss为心墙填筑仿真进度；η为仿真参数微调系数。

仿真参数自适应调整流程如下：①获取心墙实际填筑进度数据，将该数据设置为模型仿真的预期进度。②初始化仿真参数，设置仿真时间步长。③开始新一个单位步长内的填筑仿真。④该单位步长内的填筑仿真结束后，计算当前仿真进度与实际仿真进度(预期进度)的差值，在设置的允许进度误差范围内，当心墙填筑仿真进度超前于心墙实际填筑进度，则应降低填筑强度，即将控制参数调低；当心墙填筑仿真进度滞后于心墙实际填筑进度，则相应提高填筑强度，即将进度控制参数调高。参数调整完毕，将仿真进度归零，以新参数重新进行该单位步长内的填筑仿真。当心墙填筑仿真进度与实际填筑进度相吻合时，则保持当前参数，进入下一单位步长的填筑仿真。⑤重复③和④，直至心墙仿真进度在时间上超过心墙实际填筑时间节点时，结束参数自适应调整过程，保持当前仿真参数，完成心墙填筑进度的全过程仿真。

心墙填筑仿真参数自适应调整流程如图3所示。本文建立的仿真参数自适应调整模型可以在自适应调节机制的作用下，使仿真填筑进度与实际填筑进度的偏差始终在允许误差范围内。

图3 仿真参数自适应调整流程

图4 心墙填筑进度仿真流程

1.4 心墙填筑进度仿真流程

心墙填筑进度仿真流程如图4所示。在该流程中，将各约束条件参数加载到仓面流水作业过程中。通过求解土料开采模型，获得初始料源供给参数；利用BP神经网络进行气象数据预测，获得初始气象条件参数；通过仓面施工机械初始参数的配置和实际施工进度数据准备，获得心墙填筑进度仿真的全部参数条件。心墙填筑仿真时，首先获取仓面面积和填筑方量，将仓面分为A区和B区，分区进行施工资源配置(包括车辆、碾压设备等)，再运用流水作业的施工方法进行填筑仿真。

2 工程应用

2.1 工程概况

采用构建的仿真模型对我国西南地区某水电站砾石心墙堆石坝心墙填筑进度进行仿真。该堆石坝最大坝高295 m，坝体总填筑量约4 300万m3，其中心墙填筑工程量约442万m3，堆石填筑3 900万m3。工程施工阶段共有5个料场为心墙填筑提供料源，分别为西地(1、2区)、苹果园(A、B区)、亚中(A、B、C区)、瓜里(A、B1、B2区)、普巴绒(A、B区)；实施阶段，增加普巴绒C区土料场。该堆石坝心墙顶宽6 m，顶高程2 874 m，心墙上下游坡均为1∶1.2，心墙底基座顶高程为2 582 m，顺河向宽度为124 m，心墙施工过程中单仓分层厚度为0.3 m。

据当地气象站1961—2014年实测资料统计，工程坝区多年平均降水量为746.1 mm；雨季(6—10月)降水量为694.2 mm，占全年的93%；历年最大1日降水量为 70.6 mm。冬季施工主要集中在1月至2月上旬及11月下旬至12月。冬季平均出现0℃以下时段主要为1：00—11：00。对工程坝区2018年气象数据进行统计，结合碾压式土石坝施工停工标准及现场实际情况，将低于0℃记为低温天气，每10 d统计一次累计低温天数，低温天数和降水量统计结果如图5所示。

图5 2018年坝区气象数据统计结果

2.2 心墙填筑进度仿真

本工程涉及5个土料场，共13个分区，每个区域土料分为3个类别，采用料源约束模型对复杂土料场进行土料开采规划，结果如表1所示。由表1可见，各土料场的Ⅰ类土开采度最高，Ⅱ类土次之，Ⅲ类土由于质量较差，开采利用程度最低。

表1 复杂土料场开采规划

本工程心墙开始填筑时间为2016年10月，计划竣工时间为2021年11月。在进行心墙填筑进度仿真时，心墙实际填筑进度已过半，因此利用已填筑数据进行参数的自适应调整。利用本文建立的仿真模型对心墙填筑全过程进行仿真，并与实际填筑进度对比，结果如图6所示。

图6 心墙填筑进度仿真结果对比

由图6可见，心墙实际填筑的时间进度已到2020年6月底，实际填筑高程为2 798 m。在图6的Ⅰ区，仿真参数自适应调整模型处于成长期，在该时段内，仿真参数持续调整更新，仿真模型的自适应时长为180仓，累计学习次数为26次，学习时段主要分布在前60仓；在Ⅱ区，仿真参数自适应调整过程趋于稳定，几乎不再进行调整更新；Ⅲ区为未施工部分，该部分计划填筑强度与仿真填筑强度几乎保持一致。最终仿真模型的竣工时间为2021年10月8日，计划竣工日期为2021年11月18日，二者在时间进度上相差40 d，与实际的进度偏差为2.17%。

由于计算机仿真是在绝对理想条件下进行的，故仿真施工效率总高于实际施工效率，随着仿真模型参数自适应调整次数的增加，该效率差会更低，保证了仿真进度的可靠性。

3 结 语

本文综合考虑了心墙堆石坝心墙填筑过程中的仓面施工料源供给、高海拔地区气象特征和仓面施工参数对施工进度的影响，在传统仿真方法的基础上，基于工程实际数据，建立了土料开采模型和BP神经网络气象预测模型，并利用仿真参数自适应调整模型进行全过程参数优化，以获得较理想的仿真性能。将本文建立的心墙填筑进度仿真模型应用于我国西南地区某砾石心墙堆石坝心墙填筑进度管控，仿真结果与实际施工进度偏差仅为2.17%，相较于传统仿真方法有明显的提升。因此，本文提出的高海拔地区特高心墙坝心墙填筑进度仿真模型能够更加真实地反映现场实际填筑进度，为现场施工进度分析、料源开采规划和施工进度管理提供技术支持。