數字孿生技術在水利工程項目中的應用

摘 要：針對水利工程項目的前期設計和后期運行維護，本文提出了一種數字孿生的仿真伴隨控制方案。利用BIM技術構建水利工程項目的各種結構微元，進而結合類似水利工程項目的經驗數據、本次設計相關參數指標，將其納入深度學習網絡，通過注意力機制模塊和卷積模塊處理，將各結構微元模塊自動組合成整體數字孿生模型。本文針對一個水庫項目進行測試試驗，有效建立堆石大壩的數字孿生模型，并進一步分析了壩體受到的應力影響。

關鍵詞：水利工程；BIM；數字孿生

中圖分類號：TP 399" 文獻標志碼：A

水利工程項目在我國基礎設施建設方面有十分重要的地位，不僅涉及水力資源的合理利用，也影響大江大河的有效治理[1]。目前，隨著各種先進技術的應用，我國水利工程項目設計、施工、后期運營管理都取得了長足進步。在各種先進技術中，BIM技術和GIS技術的應用最廣泛[2]。BIM技術可以對水利工程各種建筑單元進行3D建模，GIS技術可以對每一個建筑單元三維信息進行精準定位，對水利工程在地圖級別進行精細化管理。利用BIM技術、GIS技術、數字孿生技術，可以為水利工程項目的建設開拓更加便利的渠道。數字孿生技術運用BIM技術構建與水利工程項目各單元一一對應的3D模型，進而形成整體與水利工程項目完全一致的數字模型[3]。這種模型在前期具備設計效果，在后期可以通過數字模型檢驗和控制，達到對水利工程項目實體控制的目的。鑒于數字孿生技術的巨大優勢，本文將以此為切入點，探究其在水利工程項目設計中的應用。

1 基于BIM技術的數字孿生單元建模

數字孿生建模的核心思想是最終生成和水利工程項目實體完全一致的3D數字化模型，項目實體和3D模型之間一一對應，形成真實和模擬之間的孿生關系。因為3D模型是數字的，所以將其稱為數字孿生技術。

其中最關鍵的步驟是對項目實體進行3D模型化處理，這需要應用BIM技術。BIM技術是可以對各種建筑單元、建筑結構進行信息化建模的一種技術，它不僅可以完成微小單元的建模，還可以對各個數字單元后續進行整體組裝。在具體的設計過程中，可以采用以下兩種常見的方法進行處理。1）利用基本特征設計參數化：在參數化建模前，要對目標模型進行結構分析，若模型不能分解為基本的幾何元素構件（例如長方體、正方體、圓柱體等），或者模型是由多個構件進行布爾運算得到的，則這種模型就無法根據基本特征進行參數化建模。水工建筑物大部分是異形建筑物，無法根據基本特征進行建模。2）利用草圖進行參數化設計：草圖是與實體模型相關聯的二維圖形，也是目前常用的參數化建模方法。其方便之處是能通過繪制模型構件的截面草圖，建立尺寸關聯進行驅動，應用拉伸、旋轉、掃描和放樣等操作生成參數化實體模型，后期需要修改模型尺寸參數時，就對草圖對象上添加的約束值進行修改即可，更新模型對象是目前常用的方法。

本文為了使3D模型和水利工程項目實體準確對應，達到從微小單元到整體結構的完全一致性的目的，采用既有實體準確實測結合GIS標記的參數化建模方法，得到的水利工程項目各建筑微元，如圖1所示。

圖1列舉了利用BIM技術獲得的水利工程項目的部分結構微元，在實際的數字孿生建模過程中，微元數量要遠多于此。大量的微元結構利用有效的方法組合在一起，最終可以生成合理的組裝結果，在水利工程項目的設計和施工中具有重要指導價值。

2 基于深度學習的水利工程項目模型生成

2.1 數字孿生模型的總體生成方法構思

數字孿生建模的根本目的是要形成和水利工程項目實體相一致的3D數字模型。利用BIM技術可以獲得數字孿生建模的各個建筑微元的3D模型，可以利用更加智能的方法將這些3D模型有機地組成一個整體，滿足水利工程項目的建設需要。利用深度學習技術和水利工程項目的歷史數據，完成各個微元的自動化組裝，其方法的大致流程如圖2所示。

從圖2中可以看出，在這套智能生成數字孿生模型的流程中，輸入環節占據了更多的比例。在深度學習網絡的輸入端，類似水利工程項目的相關參數數據、結構設計、3D微元，可以起到經驗借鑒的作用。本次設計的參數指標，明確了目前水利工程項目的設計要求。利用BIM技術完成的3D微元結果是形成后續組合模型的關鍵。

經過輸入單元的進一步處理后，所有輸入數據會形成模型時間序列數據和模型GIS空間數據，形成時空兩個維度和分支的深度訓練與學習，二者經過注意力模塊處理后，在卷積網絡中融合成一個滿足本次水利工程項目設計的數字孿生模型。

2.2 注意力機制模塊的處理

在水利工程項目的數字孿生模型建模流程中，輸入環節起到更加重要的作用，引入的信息豐富且數據量龐雜。其中，部分冗余數據會造成干擾，因此需要利用注意力機制對有效信息進行進行模塊處理和精準定位。

計算輸入數據的矩陣如公式（1）所示。

（1）

式中：H1為第一組類似水利工程項目設計的相關數據；H2為第二組類似水利工程項目設計的相關數據；Hn為第n組類似水利工程項目設計的相關數據；D1為第一組本次水利工程項目設計的參數指標，D2為第二組本次水利工程項目設計的參數指標；Dn為第n組本次水利工程項目設計的參數指標；R1為第一組本次水利工程結構微元的BIM模型數據；R2為第二組本次水利工程結構微元的BIM模型數據；Rn為第n組本次水利工程結構微元的BIM模型數據，將上述3類數據持續輸入深度學習網絡中，在圖2所示的流程下進一步形成模型時間序列數據、模型GIS空間數據兩個維度，繼續向后面輸送。在兩個通道中都存在數據冗余，因此對二者都進行注意力機制處理，以計減少干擾信息的影響，更有效地利用數據。

在模型時間序列數據通道上，利用注意力機制計算可以得到每一個數據的重要程度，如公式（2）所示。

（2）

式中：xi為第i個模型時間序列數據；xj為第j個模型時間序列數據；αi為第i個模型時間序列數據的重要程度；Softmax（）為注意力機制的處理函數。對全部的模型時間序列數據進行注意力機制處理后，可以得到時間序列數據的重要程度矩陣，如公式（3）所示。

（3）

式中：A為模型時間序列數據的重要程度矩陣；αit為第i個模型時間序列數據在時間t上的重要程度；αnt為第n個模型時間序列數據在時間t上的重要程度。

在模型GIS空間數據通道上，利用注意力機制計算可以得到每個數據的重要程度，如公式（4）所示。

（4）

式中：fi為第i個模型GIS空間數據；fj為第j個模型GIS空間數據；βi為第i個模型GIS空間數據的重要程度。對全部的模型GIS空間數據進行注意力機制處理后，可以得到空間數據的重要程度矩陣，如公式（5）所示。

（5）

式中：B為模型GIS空間數據的重要程度矩陣；βit為第i個模型GIS空間數據在時間t上的重要程度；βnt為第n個模型GIS空間數據在時間t上的重要程度。

3 水利工程項目的數字孿生模型化測試試驗

針對水利工程項目的數字孿生建模問題，本研究提出基于BIM構建結構微元模型庫，利用類似水利工程項目設計數據、本次水利工程項目設計要求、BIM結構微元數據，將其納入深度學習過程完成水利工程項目數字孿生建模的方法。

為了驗證這種方法的有效性，需要進一步進行試驗研究。將水庫構建堆石大壩作為研究項目。在完成堆石大壩的實體建設前，要先建立其對應的數字孿生模型。在試驗過程中，利用BIM技術對堆石大壩的各種結構單元進行模型化設計，進而送入深度學習網絡完成整體組合。

將各組輸入數據送入深度學習網絡，其中，H1為98個網格，H1為47個網格，Hn為136個網格，D1為80個網格，D2為50個網格，Dn為120個網格，R1為83個網格，R2為48個網格，Rn為50個網格。

對輸入H1來說，其計算的時間序列數據重要程度αi為0.64；對輸入D1來說，其計算的時間序列數據重要程度αi為0.92。對輸入H1來說，其計算的GIS序列數據重要程度βi為0.71；對輸入D1來說，其計算的GIS序列數據重要程度βi為0.87。

以此類推，在深度網絡完成全部參數計算后，得到水庫堆石大壩整體網格模型，如圖3所示。

由圖3可知，從左到右對應真實環境中自西向東的方向。在真實環境中，水庫表面形貌西高東低，堆石大壩對水庫西側土質起到侵蝕作用，并對泄洪時向西側發生蔓延起到防御作用。從自動化設計得到的數字孿生模型可以看出，堆石大壩的3D模型由數量眾多的三角網格構成，每個局部都可能包括多個BIM結構微元。自西向東依次是堆石壩頂部、堆石壩壩體、堆石壩臺階、堆石壩底部。

在3D模型仿真環境下，通過對照真實環境的參數，可以觀察堆石壩從頂至底的應力變化，結果如圖4所示。

從圖4中可以看出，堆石壩頂部所受的應力作用最弱，從頂至底的應力作用逐步增強。裸露在水庫水上的部分因壩體石料的重力作用而應力增加。而沒于水庫水下部分的應力源于壩體石料重力和水庫水壓力的綜合作用。

4 結論

本文利用先進的信息技術和建模技術完成水利工程項目設計，對提高其施工效率和科學化運營管理模式具有重要的意義。聯合使用BIM技術和GIS技術，不僅可以實現建筑單元精確定位和精準建模，還可以封裝預支相關的大量信息內容。利用這兩項技術可以對實際水利工程項目進行數字化建模，從而實現數字孿生化技術處理。本文研究數字孿生技術在水利工程中的應用，在利用BIM技術完成基本結構單元建模后，運用深度學習方法完成水利工程項目的數字孿生模型設計。在試驗過程中，完成了水庫堆石壩模型設計，并在3D環境下進行了應力作用仿真分析。

參考文獻

[1] 冶運濤，蔣云鐘，曹引，等.以數字孿生水利為核心的智慧水利標準體系研究[J].華北水利水電大學學報：自然科學版， 2023， 44（4）：1-16.

[2]朱李偉，沈國政，儲偉杰.數字孿生水利工程安全智能分析預警技術研究及應用關鍵要素探究[J].中國科技期刊數據庫 工業A， 2023， 32（5）： 106-113.

[3] 牛廣利，李天旸，楊恒玲，等.數字孿生水利工程安全智能分析預警技術研究及應用[J].長江科學院院報， 2023， 40（3）：181-185.