数字孪生技术在水利工程项目中的应用

摘 要：针对水利工程项目的前期设计和后期运行维护，本文提出了一种数字孪生的仿真伴随控制方案。利用BIM技术构建水利工程项目的各种结构微元，进而结合类似水利工程项目的经验数据、本次设计相关参数指标，将其纳入深度学习网络，通过注意力机制模块和卷积模块处理，将各结构微元模块自动组合成整体数字孪生模型。本文针对一个水库项目进行测试试验，有效建立堆石大坝的数字孪生模型，并进一步分析了坝体受到的应力影响。

关键词：水利工程；BIM；数字孪生

中图分类号：TP 399" 文献标志码：A

水利工程项目在我国基础设施建设方面有十分重要的地位，不仅涉及水力资源的合理利用，也影响大江大河的有效治理[1]。目前，随着各种先进技术的应用，我国水利工程项目设计、施工、后期运营管理都取得了长足进步。在各种先进技术中，BIM技术和GIS技术的应用最广泛[2]。BIM技术可以对水利工程各种建筑单元进行3D建模，GIS技术可以对每一个建筑单元三维信息进行精准定位，对水利工程在地图级别进行精细化管理。利用BIM技术、GIS技术、数字孪生技术，可以为水利工程项目的建设开拓更加便利的渠道。数字孪生技术运用BIM技术构建与水利工程项目各单元一一对应的3D模型，进而形成整体与水利工程项目完全一致的数字模型[3]。这种模型在前期具备设计效果，在后期可以通过数字模型检验和控制，达到对水利工程项目实体控制的目的。鉴于数字孪生技术的巨大优势，本文将以此为切入点，探究其在水利工程项目设计中的应用。

1 基于BIM技术的数字孪生单元建模

数字孪生建模的核心思想是最终生成和水利工程项目实体完全一致的3D数字化模型，项目实体和3D模型之间一一对应，形成真实和模拟之间的孪生关系。因为3D模型是数字的，所以将其称为数字孪生技术。

其中最关键的步骤是对项目实体进行3D模型化处理，这需要应用BIM技术。BIM技术是可以对各种建筑单元、建筑结构进行信息化建模的一种技术，它不仅可以完成微小单元的建模，还可以对各个数字单元后续进行整体组装。在具体的设计过程中，可以采用以下两种常见的方法进行处理。1）利用基本特征设计参数化：在参数化建模前，要对目标模型进行结构分析，若模型不能分解为基本的几何元素构件（例如长方体、正方体、圆柱体等），或者模型是由多个构件进行布尔运算得到的，则这种模型就无法根据基本特征进行参数化建模。水工建筑物大部分是异形建筑物，无法根据基本特征进行建模。2）利用草图进行参数化设计：草图是与实体模型相关联的二维图形，也是目前常用的参数化建模方法。其方便之处是能通过绘制模型构件的截面草图，建立尺寸关联进行驱动，应用拉伸、旋转、扫描和放样等操作生成参数化实体模型，后期需要修改模型尺寸参数时，就对草图对象上添加的约束值进行修改即可，更新模型对象是目前常用的方法。

本文为了使3D模型和水利工程项目实体准确对应，达到从微小单元到整体结构的完全一致性的目的，采用既有实体准确实测结合GIS标记的参数化建模方法，得到的水利工程项目各建筑微元，如图1所示。

图1列举了利用BIM技术获得的水利工程项目的部分结构微元，在实际的数字孪生建模过程中，微元数量要远多于此。大量的微元结构利用有效的方法组合在一起，最终可以生成合理的组装结果，在水利工程项目的设计和施工中具有重要指导价值。

2 基于深度学习的水利工程项目模型生成

2.1 数字孪生模型的总体生成方法构思

数字孪生建模的根本目的是要形成和水利工程项目实体相一致的3D数字模型。利用BIM技术可以获得数字孪生建模的各个建筑微元的3D模型，可以利用更加智能的方法将这些3D模型有机地组成一个整体，满足水利工程项目的建设需要。利用深度学习技术和水利工程项目的历史数据，完成各个微元的自动化组装，其方法的大致流程如图2所示。

从图2中可以看出，在这套智能生成数字孪生模型的流程中，输入环节占据了更多的比例。在深度学习网络的输入端，类似水利工程项目的相关参数数据、结构设计、3D微元，可以起到经验借鉴的作用。本次设计的参数指标，明确了目前水利工程项目的设计要求。利用BIM技术完成的3D微元结果是形成后续组合模型的关键。

经过输入单元的进一步处理后，所有输入数据会形成模型时间序列数据和模型GIS空间数据，形成时空两个维度和分支的深度训练与学习，二者经过注意力模块处理后，在卷积网络中融合成一个满足本次水利工程项目设计的数字孪生模型。

2.2 注意力机制模块的处理

在水利工程项目的数字孪生模型建模流程中，输入环节起到更加重要的作用，引入的信息丰富且数据量庞杂。其中，部分冗余数据会造成干扰，因此需要利用注意力机制对有效信息进行进行模块处理和精准定位。

计算输入数据的矩阵如公式（1）所示。

（1）

式中：H1为第一组类似水利工程项目设计的相关数据；H2为第二组类似水利工程项目设计的相关数据；Hn为第n组类似水利工程项目设计的相关数据；D1为第一组本次水利工程项目设计的参数指标，D2为第二组本次水利工程项目设计的参数指标；Dn为第n组本次水利工程项目设计的参数指标；R1为第一组本次水利工程结构微元的BIM模型数据；R2为第二组本次水利工程结构微元的BIM模型数据；Rn为第n组本次水利工程结构微元的BIM模型数据，将上述3类数据持续输入深度学习网络中，在图2所示的流程下进一步形成模型时间序列数据、模型GIS空间数据两个维度，继续向后面输送。在两个通道中都存在数据冗余，因此对二者都进行注意力机制处理，以计减少干扰信息的影响，更有效地利用数据。

在模型时间序列数据通道上，利用注意力机制计算可以得到每一个数据的重要程度，如公式（2）所示。

（2）

式中：xi为第i个模型时间序列数据；xj为第j个模型时间序列数据；αi为第i个模型时间序列数据的重要程度；Softmax（）为注意力机制的处理函数。对全部的模型时间序列数据进行注意力机制处理后，可以得到时间序列数据的重要程度矩阵，如公式（3）所示。

（3）

式中：A为模型时间序列数据的重要程度矩阵；αit为第i个模型时间序列数据在时间t上的重要程度；αnt为第n个模型时间序列数据在时间t上的重要程度。

在模型GIS空间数据通道上，利用注意力机制计算可以得到每个数据的重要程度，如公式（4）所示。

（4）

式中：fi为第i个模型GIS空间数据；fj为第j个模型GIS空间数据；βi为第i个模型GIS空间数据的重要程度。对全部的模型GIS空间数据进行注意力机制处理后，可以得到空间数据的重要程度矩阵，如公式（5）所示。

（5）

式中：B为模型GIS空间数据的重要程度矩阵；βit为第i个模型GIS空间数据在时间t上的重要程度；βnt为第n个模型GIS空间数据在时间t上的重要程度。

3 水利工程项目的数字孪生模型化测试试验

针对水利工程项目的数字孪生建模问题，本研究提出基于BIM构建结构微元模型库，利用类似水利工程项目设计数据、本次水利工程项目设计要求、BIM结构微元数据，将其纳入深度学习过程完成水利工程项目数字孪生建模的方法。

为了验证这种方法的有效性，需要进一步进行试验研究。将水库构建堆石大坝作为研究项目。在完成堆石大坝的实体建设前，要先建立其对应的数字孪生模型。在试验过程中，利用BIM技术对堆石大坝的各种结构单元进行模型化设计，进而送入深度学习网络完成整体组合。

将各组输入数据送入深度学习网络，其中，H1为98个网格，H1为47个网格，Hn为136个网格，D1为80个网格，D2为50个网格，Dn为120个网格，R1为83个网格，R2为48个网格，Rn为50个网格。

对输入H1来说，其计算的时间序列数据重要程度αi为0.64；对输入D1来说，其计算的时间序列数据重要程度αi为0.92。对输入H1来说，其计算的GIS序列数据重要程度βi为0.71；对输入D1来说，其计算的GIS序列数据重要程度βi为0.87。

以此类推，在深度网络完成全部参数计算后，得到水库堆石大坝整体网格模型，如图3所示。

由图3可知，从左到右对应真实环境中自西向东的方向。在真实环境中，水库表面形貌西高东低，堆石大坝对水库西侧土质起到侵蚀作用，并对泄洪时向西侧发生蔓延起到防御作用。从自动化设计得到的数字孪生模型可以看出，堆石大坝的3D模型由数量众多的三角网格构成，每个局部都可能包括多个BIM结构微元。自西向东依次是堆石坝顶部、堆石坝坝体、堆石坝台阶、堆石坝底部。

在3D模型仿真环境下，通过对照真实环境的参数，可以观察堆石坝从顶至底的应力变化，结果如图4所示。

从图4中可以看出，堆石坝顶部所受的应力作用最弱，从顶至底的应力作用逐步增强。裸露在水库水上的部分因坝体石料的重力作用而应力增加。而没于水库水下部分的应力源于坝体石料重力和水库水压力的综合作用。

4 结论

本文利用先进的信息技术和建模技术完成水利工程项目设计，对提高其施工效率和科学化运营管理模式具有重要的意义。联合使用BIM技术和GIS技术，不仅可以实现建筑单元精确定位和精准建模，还可以封装预支相关的大量信息内容。利用这两项技术可以对实际水利工程项目进行数字化建模，从而实现数字孪生化技术处理。本文研究数字孪生技术在水利工程中的应用，在利用BIM技术完成基本结构单元建模后，运用深度学习方法完成水利工程项目的数字孪生模型设计。在试验过程中，完成了水库堆石坝模型设计，并在3D环境下进行了应力作用仿真分析。

参考文献

[1] 冶运涛，蒋云钟，曹引，等.以数字孪生水利为核心的智慧水利标准体系研究[J].华北水利水电大学学报：自然科学版， 2023， 44（4）：1-16.

[2]朱李伟，沈国政，储伟杰.数字孪生水利工程安全智能分析预警技术研究及应用关键要素探究[J].中国科技期刊数据库 工业A， 2023， 32（5）： 106-113.

[3] 牛广利，李天旸，杨恒玲，等.数字孪生水利工程安全智能分析预警技术研究及应用[J].长江科学院院报， 2023， 40（3）：181-185.