基于小波包變換的大壩變形監測方法

莊洪軍，陳 奇

(山東省臨沂市岸堤水庫管理中心，山東 臨沂 276217)

對于大壩建筑物而言，對其變形情況監測的本質是利用特定的測量工具對大壩的空間位置變化情況，或幾何結構特征變化情況進行統計，通過分析其發展規律為實際的管理、維護等工作提供數據支撐[1]。從某種程度上分析，變形監測是對建筑物當前狀態的采集，同時也是對建筑物未來變形趨勢評估預測[2]。鑒于大壩對于環境以及人民生命財產安全的重要意義，對其變形情況進行有效的監測是極為必要的[3]。針對該技術的研究也已經取得了一定的成果，其中，以三維激光掃描技術為基礎的大壩變形監測方法得到了較為廣泛的應用，但是該方法受大壩所處環境的影響較為明顯，水面及周圍環境對掃描射線的干擾會導致監測結果出現不同程度的誤差。除此之外，以智能觀測機器人為基礎的大壩變形監測方法也成為了新型的監測方式之一，該方法在監測精度方面實現了進一步提升，但是其應用成本相對較高，因此應用階段存在一定的局限性。

在此基礎上，本文提出基于小波包變換的高精度大壩變形智能化監測方法研究，利用小波包變換的方式對大壩狀態數據進行預處理，再進一步分析其變形情況。

1 大壩變形智能化監測方法設計

1.1 小波基融合指標設置

在對大壩變形情況進行監測的過程中，影響監測結果可靠性的最主要的因素之一就是采集到的數據中存在較大噪聲，造成這一情況的主要因素是大壩所處環境的特殊性以及客觀因素對數據采集過程的干擾[4]。這就意味著在數據采集階段解決噪聲問題的可能性相對較低。針對此，本文利用小波變換的方式對實測數據進行閾值去噪處理[5]。小波基指標的選擇直接影響數據去噪的效果，為此，本文綜合考慮了不同指標的特點，將能夠在監測數據中提取出最大能量值的小波基作為設置目標[6]。以此為基礎設置的小波基融合指標對應的小波系數能量熵為最小值，同樣地，監測到的大壩數據與全體小波系數的聯合熵也為最小值，但是全體小波系數的交互熵為最大值[7]。按照這樣的選擇標準，本文采用融合極值指標作為小波基的指標參量。

由于不同最值選擇指標對應的基數也存在差異，相關的變化范圍以及對小波基選擇的影響程度都有各自的特點，直接對指標進行融合是難以實現的。針對該問題，本文將不同指標對小波基選擇的影響程度為基準參量，借助變異系數定權法差異化賦權指標。從本質上對變異系數進行分析，其是標準差率的一種歸一化表現形式。作為一個相對數參量，具體的計算方式可以表示為

(1)

式中，CV—指標的變異系數；σ—指標的標準差參量；μ—指標的均值參量。結合式(1)可以看出，本文是以指標的標準差參量和指標的均值參量之間的比值作為變異系數，利用這樣的方式可以完全排除不同指標計量單位的差異對小波基的干擾作用。

按照上述所示的方式，實現對小波基融合指標的設置，為后續各項不同大壩狀態指標的分析計算提供基礎。

1.2 基于小波變換的大壩變形監測

以1.1中設置小波基融合指標為基礎，本文采用小波變換的方式對大壩實際狀態數據信息進行計算，并結合各指標權重綜合分析實際狀態數據信息參量。具體的實現方式主要分為以下幾個步驟。

首先需要明確的是，不同大壩實際狀態數據信息的量綱是不同的，為了消除各項指標量綱差異對監測結果精確性的影響，本文采用小波基融合指標-變異系數對衡量各指標的差異程度加以衡量，具體的計算方式可以表示為

(2)

式中，CVi—大壩實際狀態數據信息中i指標變異系數；σi—大壩實際狀態數據信息中i指標的標準差參量；μi—大壩實際狀態數據信息中i指標的均值參量。以此為基礎，采用小波變換的方式對大壩實際變形情況的計算方式可以表示為

(3)

式中，T—大壩變形的監測結果；CVe—小波能量值變異系數；e—大壩實際狀態數據中能量參數；CVc—小波能量熵值變異系數；c—大壩實際狀態數據中的能量熵信息；CVh—小波聯合熵值變異系數；h—大壩實際狀態數據中的聯合熵信息；CVs—小波交互熵值變異系數；s—大壩實際狀態數據中的交互熵信息。

按照這樣的方式，實現對大壩變形情況的高精度監測。

2 測試與分析

2.1 測試環境

本文以某岸堤水庫為基礎開展應用測試。對大壩的位置進行分析，其位于沂河一級支流東汶河上，是一座以防洪、灌溉、城市供水為主，結合發電、工業供水、生態供水等綜合開發利用的大型水利樞紐工程。水庫控制流域面積1690km2，總庫容7.7993億m3，興利庫容4.5939億m3。水庫樞紐工程由大壩、溢洪道、輸水洞、水電站等組成。具體如圖1所示。

圖1 測試大壩環境

岸堤水庫管理處已完成并調整充實了防汛物料專職人員，配備防汛沙石、麻袋及編織袋、鐵絲、土工布等防汛搶險物料；購置了防汛搶險救生舟和無人機，并補充了部分短缺物資；配備備用柴油發電機組，升降式搶險照明燈等搶險物資。防汛搶險用土料和沙料及部分石料和機械，因地制宜，采用號料方式，保障料物供應。還對防汛備料倉庫進行了徹底修繕改造。在此基礎上，為了保障防汛建設的可靠性，對其變形情況進行監測。在測試階段，為了更加直觀地分析本文設計監測方法的實際應用效果，設置了對比測試條件，對照組分別采用文獻[1]提出的以三維激光掃描為基礎的大壩變形監測方法，文獻[2]提出的以智能觀測機器人為基礎的大壩變形監測方法。通過分析3種方法的監測結果與實際測量數據之間的一致性，對監測結果的可靠性做出評價。

2.2 測試結果與分析

在對測試結果進行分析階段，共設置了8個監測點，不同方法監測到的大壩沉降數據見表1。

表1 不同方法測試結果統計表

結合表1所示的測試結果對不同監測方法的監測效果進行分析，其中，文獻[1]方法的監測結果與實際測量值之間的誤差表現出了較高的不穩定性，最大誤差百分比達到了2.46%，最小值誤差百分比僅為0.21%，這就意味著該方法對大壩變形監測結果的精度難以保持高精度水平，可靠性存在進一步提升空間。文獻[2]方法的測試結果整體并未出現誤差百分比大于2.0%的情況，最大值僅為1.56%，但是對不同監測點的監測數據進行分析，其與實際測量結果的誤差百分比基本上始終在1.0%以上，表明該方法雖然具有較高的穩定性，但是在精度方面存在進一步優化的空間。相比之下，在本文設計方法的測試結果中，對不同監測點的監測數據與實際測量結果的誤差百分比始終穩定在0.5%以內，最大值僅為0.36%，表明該方法可以實現對大壩變形情況的精準監測，與文獻[1]方法相比更加穩定，與文獻[2]方法相比精度更高。由此可以初步得出結論，本文設計的基于小波包變換的高精度大壩變形智能化監測方法具有良好的實際應用價值。

3 結語

本文提出了一種基于小波包變換的高精度大壩變形智能化監測方法。實現對大壩變形信號的特征提取和降噪處理，從而實現對大壩變形情況的精準監測。相較于傳統的監測方法具有更高的精度和可靠性，可以為大壩變形監測提供更加科學、準確的數據分析手段，為大壩的安全運行提供保障。然而，本文的研究還存在一些局限性和不足之處。未來的研究可以進一步探索如何有效地應對更加復雜和多變的大壩變形數據，提高監測結果的穩定性和可靠性。同時，還可以考慮將該方法應用于其他工程領域的監測和預測中，為工程安全提供更加可靠的保障。