高海拔地区大坝变形位移数据处理的关键技术研究

杨佩 汪过兵

摘 要：高海拔地带，气象条件的变化会导致空气折射率发生变动，从而显著降低大坝安全监测的精确度。为了解决高海拔地带气象条件变化对大坝安全监测精确度的影响，利用徕卡TC1201全站仪观测九甸峡某大坝的变形位移，提出了一套新的数据处理方法，用于高海拔、温湿度变化显著的地区，旨在实现大坝观测位移測量数据的高精度处理。研究综合应用了气象改正公式和边长改正公式，并通过对比分析人工计算与全站仪自动计算的结果，发现经过改正后的数据更为接近基准值。这一重要发现不仅解决了高海拔、温湿度变化较大地区大坝变形位移数据处理中误差大的技术难题，而且为今后类似工程提供了借鉴经验，也为相关领域的技术进步贡献了力量。

关键词：大坝表面位移；气象改正；斜距改平；坐标正反算

中图分类号：TV698 文献标志码：A

作者简介：杨佩（1991-），男，大学本科，工程师，主要研究方向：水利水电工程管理、大坝安全监测。

△通信作者：汪过兵（1990-），男，博士，工程师，主要研究方向：工程振动、抗震、检测、鉴定加固。

0 引言

随着现代监测技术的不断进步与革新，基于机器视觉的结构位移监测方法正日益受到广泛应用。这种方法不仅具有极高的监测精度，能够准确捕捉结构位移的细微变化，而且相较于传统方法，其成本更为低廉，具有显著的经济优势。因此，基于机器视觉的结构位移监测技术已成为现代工程安全监测领域的一大亮点，为结构的健康监测与安全评估提供了强有力的技术支持[1-3]。

随着科技的飞速发展和创新，监测技术领域已经涌现出众多前沿且高效的方法。支持向量机作为机器学习领域的一项重要技术，因其独特的优势而被广泛应用于各类数据处理和模式识别任务中。它能够通过构建高维空间中的超平面，实现对数据的分类和回归，展现出强大的泛化能力和鲁棒性[4]。此外，神经网络模型[5-7]也是近年来备受瞩目的技术之一，通过模拟人脑神经元的连接和工作方式，构建复杂网络结构处理和分析数据。神经网络模型具有强大的非线性映射和自学能力，能够自动提取数据中的特征并进行分类、回归，为监测技术提供了更为精确和可靠的数据支持。同时，时间序列模型也在监测技术领域发挥着重要作用。时间序列数据往往具有连续性和时序性，通过构建合适的时间序列模型，捕捉数据中的时间依赖关系和趋势变化，进而实现对数据的预测和监控。这些模型在实际应用中已经被证明具有较高的可靠性和准确性，为监测技术的发展和应用提供了有力的支持。

近年来，随着技术的不断进步和普及，这些监测技术已经逐渐渗透到多个领域，并得到了广泛应用。在桥梁工程中，监测技术为桥梁的安全运营提供了重要保障，通过对桥梁结构的实时监测和数据分析，能够及时发现潜在的安全隐患，预防事故的发生[8]。在深基坑工程中，监测技术能够帮助工程师实时掌握基坑变形和土体位移情况[9]，为施工过程中的安全控制提供重要依据。此外，在民用基础设施领域[10]，监测技术也发挥着重要作用，为城市的安全和可持续发展提供了有力支持。特别是在大坝自动化监测方面[11-15]，监测技术更是展现出了巨大的潜力和价值。同时，大坝作为重要的水利工程设施，其安全性和稳定性直接关系到下游人民的生命财产安全和社会的稳定。通过应用支持向量机、神经网络模型及时间序列模型等先进监测技术，可以实现对大坝的实时监测和预警，及时发现并处理各种潜在的安全隐患。这些技术不仅提高了大坝监测的效率和准确性，还为大坝的安全运营提供了强有力的技术保障。

通过对监测结果的深入分析和整理，能够及时了解大坝的运行状态，发现潜在的安全隐患，并据此制定相应的运行管理建议。因此可以在危险源尚未造成实际损害之前，采取有效的措施进行消除，从而确保大坝的稳定运行和人民生命财产的安全[16-17]。这种基于先进监测技术的预防性管理策略，不仅提高了大坝的安全性能，也为大坝的长期稳定运行提供了有力的技术保障。但在高海拔地带的大坝安全监测领域，气象条件的变化往往导致空气折射率发生波动，特别是在高海拔、温度及气压变化显著的区域进行测量时，大坝变形监测位移数据处理中的误差问题尤为突出。

为解决高海拔地带气象条件变化对大坝安全监测精确度的影响，文章利用徕卡TC1201全站仪观测九甸峡某大坝的变形位移，深入探索并提出了一种适用于高海拔、温湿度变化较大地区大坝观测位移测量数据的高精度处理方法。该方法综合运用了气象改正和边长改正公式，通过对比分析人工计算与全站仪自动计算的结果，成功地降低了数据处理中的误差，使数据更加接近真实情况。不仅解决了当前大坝安全监测中面临的技术难题，也为今后类似工程提供了宝贵的借鉴经验，对于提升大坝安全监测的准确性和可靠性具有重要意义。

1 外观控制测量方法

九甸峡地区地处高海拔地带，外观控制测量工作主要聚焦于大坝坝后固定坐标点及厂房后边坡的表面位移监测。在测量过程中，采用了徕卡TC1201全站仪，通过精确的极坐标法来确定边长的平距和坐标方位角，进而计算出所需被测点的坐标。但在实际操作中，注意到由于气象条件的变化及边长仪器本身的误差，测量结果并未进行必要的改正。

现有的测量数据完全依赖于全站仪的自动输出，缺乏人工计算对坐标数据进行必要的改正，导致了大坝变形位移数据处理中的误差较大，无法满足高精度测量的需求。

2 TC1201全站仪系统影响因素分析

TC1201全站仪具备一系列高级设置改正功能，包括：（1）允许用户设置常数，对边长进行精确的常数改正，以提高测量的准确性；（2）允许输入实时的气温和气压数据，并根据数据对边长进行气象改正，以消除气象条件对测量结果的影响；（3）全站仪能够自动测量垂直角，并据此计算边长改平，从而直接输出平距。

TC1201全站仪在高海拔地带测量数据的处理流程如下：

（1）为确保TC1201全站仪在高海拔地带上测量九甸峡某大坝表面位移观测数据的准确性和可靠性，采取了多项措施。其中，对全站仪进行定期检验是至关重要的一环。通过定期检验，能够及时发现并纠正仪器可能存在的误差，确保其始终处于最佳工作状态。在检验过程中，严格遵循全站仪提供的加常数、乘常数等关键参数进行设置。这些参数是仪器在出厂时经过精密校准得到的，对于保证测量精度具有至关重要的作用。

在日常测量过程中，严禁随意更改这些关键设置。因为任何人为的改动都可能对测量结果产生不可预测的影响，导致数据出现偏差。这种偏差可能非常微小，但在高精度测量中，即使是微小的误差也可能被放大，从而对大坝的安全评估产生严重影响。因此，始终坚守这一原则，确保在每一次测量中都能达到最高的精度标准。这不仅是对工作质量的严格要求，更是对大坝安全运行的负责任态度。通过这些措施的实施，能够确保测量数据的准确性和可靠性，为大坝的安全监测提供坚实的技术支持。

（2）由于气象改正仪器在实时验证输入的气温、气压等数据的准确性方面存在局限性，特别是在高海拔地区及温度变化显著的区域，气象参数的准确性对于测量结果的精确性具有不可忽视的影响。因此，在进行测量工作时，必须严格遵循即时测量、即时记录的原则，确保对气象条件（包括温度、气压、相对湿度等）进行准确、详尽的记录。该做法的重要性不仅可提高测量数据的可靠性，更为后续的数据分析和处理提供坚实、精准的基础数据。通过严格记录气象条件，能够更准确地分析气象因素对测量结果的具体影响，进而采取相应的措施进行修正和补偿，力求获得最准确的测量结果。

在九甸峡大坝的变形测量中，特别重视气象因素对测量数据的影响。不仅配备了专业的气象监测设备，还安排专人对气象数据进行实时监测和记录。同时，加强与气象部门的沟通与合作，获取更准确的气象数据，为测量工作提供有力的支持。通过这一系列措施的实施，能够更加全面、深入地了解气象因素对测量数据的影响，并采取有效的措施进行应对。

（3）在测量实践中，全站仪是计算平距的重要工具，主要通过垂直角来修正边长，从而得出平距。此方法在一般的低精度测量中表现良好，能够满足基本的测量需求。但当对测量精度提出更高要求时，如在大坝变形监测高精度测量中，简单的垂直角修正方法就显得不够精确。

在追求更高精度的测量中，斜距到平距的转换是一个至关重要的环节。为了实现这一转换，需要依赖更为精确的高差数据。若仅仅通过水准测量得到的高差来直接改正平距，往往难以实现高精度。因此，需要寻求更为有效的解决方法。

为此，利用全站仪来测量高差，并以此为基础对斜距进行平距改正。研究充分利用全站仪在测量方面的优势，能够准确获取高差数据，从而实现对斜距到平距的准确转换。通过这种方法，不仅能够提高测量的精度，确保测量结果的准确性，还能够在高海拔、温湿度变化等复杂环境下保证测量结果的可靠性。这对于大坝变形监测等高精度测量工作来说，具有非常重要的意义。

综上所述，利用全站仪测量高差来改正斜距到平距的方法，是一种高效且精确的方法，对于提高测量精度和保证测量结果可靠性具有重要作用。在未来的测量工作中，可以進一步推广和应用这种方法，以满足更高精度的测量需求。

3 系统气象改正和人工气象改正比较

（1）选定基准值

给定验算基准值Ⅱ21（X：3 868 491.095 8，Y：394 340.026 1），此值已加气象改正、边长改平。

（2）全站仪自动测量值

在全站仪设站完成后，首先输入相关的气象参数，包括温度、气压等，这些参数对于后续的测量精度至关重要。随后，全站仪会利用其高精度测量系统直接测出目标点的角度、斜距以及高差。所有原始数据可作为后续计算的基础。

在获取角度、斜距和高差等原始数据后，通过一系列复杂的数学计算来推算出坐标方位角和平距。坐标方位角是确定目标点位置的关键参数，它描述了目标点与全站仪之间的相对方向；而平距则是通过斜距和高差进行修正后得到的水平距离，消除了地形起伏对距离测量的影响。

利用推算出的坐标方位角和平距，可进一步计算出目标点的坐标。坐标数据不仅准确反映了目标点的空间位置，还为后续的数据分析和处理提供了可靠的依据。

在整个测量过程中，注重数据的准确性和可靠性，通过严格的操作流程和数据处理方法，确保最终的测量结果能够真实反映目标点的实际情况。同时，也会根据实际情况调整和优化测量方案，以适应不同环境和条件下的测量需求。

（3）人工改正坐标值

在进行坐标测量时，除了依赖全站仪的自动计算功能外，采取人工计算的方式，以确保测量数据的准确性和可靠性。人工计算坐标方位角时，综合考虑多种因素，包括起始方位角的设定、水平角的观测值及左右角的判断等。特别是在进行气象改正时，根据实时输入的气温、气压等气象参数，通过精确的算法对边长进行修正，以消除气象条件对测量结果的影响。

此外，为了得到更为精确的平距数据，需要进行边长改平的计算。在这一过程中，充分考虑地形起伏、地球曲率等因素对边长测量的影响，通过复杂的数学计算对斜距进行修正，得到更准确的平距值。

通过人工计算坐标方位角加气象改正、边长改平所得出的测量数据，不仅具有更高的精度和可靠性，还能够提供更加全面、深入的数据分析结果。这不仅有助于准确了解目标点的空间位置，还能够为后续的工程设计和决策提供有力的支持。因此，在进行高精度测量时，应严格遵循这些计算步骤，确保测量数据的准确性和可靠性。

（4）验算过程

研究选取了Ⅱ17、Ⅱ25、Ⅱ21三个关键测点作为实验对象，其分布在整个控制网的重要位置，对于整个测量工作具有代表性，如图1所示。

实验采取多种方法进行测量和计算。首先，以Ⅱ17测点作为测站点，Ⅱ25作为后视点，对Ⅱ21被测点进行直接观测。使用TC1201全站仪进行观测，利用其高精度的测量功能，获得了直接观测数据。其次，利用人工计算坐标方位角。在计算过程中，充分考虑了气象因素的影响，对边长进行了气象改正，并进行了边长改平处理，从而得到了另一组测量数据。最后，将其与Ⅱ21坐标进行对比分析。给定的坐标数据已经经过了气象改正和边长改平处理，因此具有较高的参考价值，可以作为验算的基准值。在验算过程中，采用全站仪水平角的2个测回求平均值。该方法能够消除单次测量的偶然误差，提高测量结果的稳定性和可靠性。通过对比分析能够确定实际测量过程中环境条件、边长改平等因素对误差的影响。发现2种方法得到的测量数据存在一定的差异。这种差异可能是由于环境条件的变化、仪器误差及人为操作误差等多种因素造成。同时也能够确定哪些因素对误差的影响较大，从而采取相应的措施进行修正和改进。图1中，A点为Ⅱ25点（x A ，y A），B点为Ⅱ17点（x B ，y B），C点为Ⅱ21（x C ，y C），以上演算过程中所涉及的边长、角度、坐标编号都以图1为准，主要为计算方便。

（1）利用Ⅱ17 （X：3868652.1660，Y：394103.2230）、Ⅱ25（X：3 868 995.398 0， Y：394 670.663 5）给定坐标，利用坐标反算[18]其坐标方位角 α AB 及 S AB ，坐标增量符号见表1。

由于Δx AB 、Δy AB 均为负值，故 α AB 是第3象限角，故有：

以上推算可得出AB边的坐标方位为：

α AB =238°49′52.32″ （8）

AB边长为 S AB =663.171 9 m 。

（2）利用AB边坐标方位角推算BC边坐标方位角。全站仪两测回实测水平角的平均值求出AB边与BC边的夹角 β 左 （测量值），经两测回实测得出β 左 =65°23′33.25″ 。通过边长坐标方位角[18]推算公式求出 α BC 。

故有：α BC =α AB +β 左 -180°， α BC =α AB +β 左 +180°

当 α AB 与 β 左 之和大于180°时，应当减去180°。

当 α AB 与 β 左 之和小于180°时，应当加上180°。

则在此验算过程中有：

α BC =α AB +β 左 -180°=238°49′52.32″+65°23′33.25″-180°=124°13′25.5″

（9）

经以上推算BC边坐标方位角：

α BC =124°13′25.57 ″

（3）对所测Ⅱ21 点进行气象改正以及斜距改平。运用徕卡TC1201全站仪观测两测回斜距平均值为D=296.293 9 m，高差平均值为 W=75.966 1 m 。先进行气象改正，再计算出斜距D，并利用勾股定理计算出平距S BC ，以便后续人工算坐标。利用实测斜距D求气象改正数 ΔD 以及改正后斜距D′。

为确保气象数据的准确性和可靠性，使用干湿温度计及气压表来读取所需的气压值、温度，以及相对湿度。在进行测量前，气象仪器被精心放置在测站点处，并静置0.5 h以上，以便它们能够充分适应外部环境的变化。待气象数据稳定后，仔细读取设站点处的气象数据。此时的温度为13.8 ℃，这一温度值反映了当时测站点处的实际气温情况，是后续进行气象改正的重要依据。相对湿度为16.5%，反映出当时空气中的水分含量相对较低，对于测量工作的影响较小。同时，气压值为852 hPa。

徕卡TC1201（激光载波测距模式）运用的干湿温度法气象改正公式为：

式中：P为大气压（mb毫巴），t为干温（℃），h为相对湿度（℅RH）， ΔD 为气象改正数，D为实测斜距， α 为大气膨胀系数（1/273.16）。

不同品牌、不同型号的全站仪在设计和制造过程中，会采用不同的技术和标准，导致在进行气象改正时所采用的公式可能存在差异。因此，在实际使用过程中，必须根据所使用的全站仪品牌和型号，选择相应的气象改正公式。如果忽视了这一点，随意选择或使用不适合的气象改正公式，可能会引入误差，影响测量结果的准确性。因此，对于测量工作者来说，了解并熟悉所使用的全站仪品牌和型号的气象改正公式至关重要。不仅有助于提高测量精度，还能够确保测量数据的可靠性和一致性。在实际操作中，应认真阅读全站仪的使用手册和技术文档，了解其具体的气象改正方法和要求，并按照规范进行操作。此外，随着技术的不断进步和更新，全站仪的气象改正公式也可能会有所变化。因此，还需要保持对新技术和新方法的关注和学习，以便及时了解和掌握最新的气象改正方法和技术，为测量工作提供更加准确和可靠的数据支持。将以上所测现场气象数据带入公式（10）可得ΔD=14.024mm，故经气象改正以后的斜距。

D′=D+ΔD=296.293 9+0.014 024=296.307 9m（11）

利用勾股定理计算斜距改平距（S BC ）。

经气象改正以后的斜距 D′=296.307 9 m ，高差平均值为 W=75.966 1m ，故根据勾股定理有：

S BC2=D′2-W2（12）

则根据以上公式可以算出：S BC =286.404 5 m。

（4）坐标正算推算出经气象改正及斜距改平以后的被测点（Ⅱ21）坐标。由以上人工验算的结果：

α BC =124°13′25.57″，S BC =286.404 5 m （13）

利用坐标正算验算经气象及斜距改平以后的坐标。起算点为B点（Ⅱ17）利用以下公式就可以求出被測点Ⅱ21的坐标。

Δx BC =S BC cosα BC =-161.081 5 m （14）

Δy BC =S BC sinα BC =236.812 8 m （15）

x C =x B +S AB cosα BC

=3 868 652.166 0-161.081 5=3 868 491.085 0（16）

y C =y B +S AB sinα BC

=394 103.223 0+236.812 8=3 943 40.035 8（17）

人工验算出最终经气象改正、边长改平后的Ⅱ21点坐标为：（X：3 868 491.085 0，Y：394 340.035 8）。

使用全站仪测量直接输出坐标（无改正）、人工计算改正坐标（已改正）与基准值进行对比，详细对比分析见表2。

经过对比分析，明显观察到，在采用相同的全站仪进行测量时，经过人工气象调整和斜距改平校正的数据结果比全站仪直接输出的原始数据更为贴近基准值。这不仅突显了人工气象调整与斜距改平校正在数据处理中的关键作用，更解决了在高海拔、温湿度波动较大的复杂环境下进行精密测量时，由人工气象因素和斜距误差所带来的技术难题，有助于进一步确保大坝安全监测的准确性。

4 结论

基于九甸峡某大坝表面变形位移观测数据处理，提出了一套针对高海拔、温湿度变化显著区域的大坝观测位移测量数据的高精度处理方法。通过运用气象改正与边长改正公式，对比分析了人工计算与全站仪自动计算的结果。分析结果表明：

（1）经过人工计算进行气象改正后的数据更接近基准值，具有较高的可靠性。

（2）气象改正和斜距改平对测量精度的影响不容忽视，必须加以精确计算和修正。在视距较长或气象条件复杂的情况下，气象改正数会显著增大，使得坐标计算中引入更大的误差。此外，在长距离测量中，激光测距发射到棱镜中心点的位置可能存在偏差，加上气象因素的影响，会导致全站仪自动输出的数据偏差进一步增大。

（3）成功解决了高海拔、温湿度变化较大地区大坝变形位移数据处理中误差大的技术难题。在特殊环境下进行大坝变形位移检测时，为确保数据的准确性和可靠性，必须进行人工计算以改正坐标。这一方法的提出与应用，为类似条件下的大坝变形监测提供了有力的技术支持和保障。

参考文献：

[1]赵二峰，李章寅，袁冬阳. 基于双阶段注意力机制的大坝变形深度学习预测模型[J]. 河海大学学报（自然科学版），2023，51（6）：44-52.

[2]Herman A D V. System identification for structural dy?namics and vibroacoustics design engineering[J]. IFAC Proceedings Volumes，2003，36（16）：735-746.

[3]Ye X W，Dong C Z，Liu T. A Review of Machine Vi?sion-Based Structural Health Monitoring：Methodologies and Applications[J]. Journal of Sensors，2016，2016：1-10.

[4]马晓云，陈刚. GM（1，1）模型的残差修正及其在建筑物变形预测中的应用[J].测绘标准化，2018，34（3）：56-58．

[5]陈晨，魏冠军，寇瑞雄，等. 基于Kalman滤波的GM（1，1）-AＲ模型在高层建筑物沉降变形分析中的应用[J]. 测绘工程，2018，27（10）：64-67．

[6]汤汉，丁志广. 非等间隔无偏GM（1，1）模型在基坑周边建筑物沉降预测中的应用[J]. 测绘通报，2016（S2）：155-159．

[7]陈国栋，黄甜. 灰色卡尔曼滤波在沉降监测中的应用[J].测绘科学技术学报，2014，31（2）：133-135．

[8]叶肖伟，张小明，倪一清，等. 基于机器视觉技术的桥梁挠度测试方法[J]. 浙江大学学报（工学版），2014，48（5）：813-819.

[9]陈登伟，郭双喜，朱是，等. 机器视觉技术在地下交通枢纽施工变形监测中的应用[J]. 铁道科学与工程学报，2022，19（12）：3827-3836.

[10]Spence F B，Hoskere V，Narazaki Y. Advances in com?puter vision- based civil infrastructure inspection and monitoring[J]. Engineering，2019，5（2）：199-222.

[11]李艺，刘成栋，刘检生，等. 基于机器视觉的大坝表面位移智能监测方法研究[J]. 水电能源科学，2023（12）：93-96.

[12]黄世涛. 基于统计—逐步回归模型的大坝变形监测分析[J]. 水利科技与经济，2023，29（5）：1-8.

[13]沈忱，周娟. 基于卷积神经网络的大坝位移预测模型对比研究[J]. 安徽水利水电职业技术学院学报，2023，23（1）：5-8+69.

[14]张孟昕，陈波，刘伟琪，等. SSA-XGBoost与时空特征选取的大坝变形预测模型[J]. 水力发电学报，2024，43（1）：84-98.

[15]刘先春. 水库大坝垂直位移统计模型及变形分析以白莲崖水库大坝为例[J]. 安徽职业技术学院学报，2023，22（3）：23-28+72.

[16]杨杰，吴中如. 大坝安全监控的国内外研究现状与发展[J].西安理工大学学报，2002，18（1）：26-30.

[17]尹蓉江. 水电站大坝安全监测自动化的现状和展望[J].水电水利，2021，4（12）：113-114.

[18]罗新宇. 土木工程测量学教程[M]. 北京：中国铁道出版社，2003.

Research on the Key Techniques of Dam Deformation and Displacement Data Processing in High Altitude Area

YANG Pei 1 ， WANG Guobing 2

（1.Gansu Power Investment Jiudianxia Hydropower Development Co.，Ltd.，Dingxi Gansu 730050， China;2.Institute of Geotechnical Engineering， Xi′an University of Technology， Xi′an Shaanxi 710048， China）

Abstract： At high altitudes， changes in meteorological conditions can lead to changes in air refractive index，which significantly reduces the accuracy of dam safety monitoring. In order to solve the influence of the change of meteorological conditions on the accuracy of dam safety monitoring at high altitudes ， an innovative data processing method is proposed based on the observation of dam deformation and displacement using the Leica TC1201 total sta?tion in Jiudianxia. which is applied to the area with high altitude and significant temperature and humidity changes，aiming to realize high-precision processing of dam observation and displacement measurement data. The meteoro?logical correction formula and edge length correction formula are comprehensively applied， and through compara?tive analysis of the results of manual calculation and automatic calculation by total stations， it was found that the cor?rected data is closer to the reference value. This important discovery not only solves the technical problem of large errors in the processing of dam deformation displacement data in high-altitude and areas with significant tempera?ture and humidity changes， but also provides valuable reference experience for similar projects in the future and contributes to the technological progress in related fields.

Key words： dam surface displacement; meteorological correction; oblique distance leveling; coordinate for?ward and backward calculations