我国堤防工程岸线长、分布广、险情多且出险原因复杂多变、险情预测难度大，严重威胁人民生命和财产安全。影响堤防安全的因素众多，主要有渗流、雨水情、土体特性等[1- 2]。各因素对堤防安全的影响是一个复杂的体系，建立堤防安全预测模型，研发一体化管理平台，实现安全预警，对提升堤防运行管理水平、保障堤防安全、提升防灾减灾能力意义重大。

许多学者在堤防安全预测方面进行了深入的研究，主要集中在以下方面：①影响堤防安全的因素众多，建立多因素预测模型时，大多通过定性分析的方法选择影响因素[3- 5];本文通过敏感性分析，选取优势因素，提升了因素选择的准确性。②在模型建立时，大多选择BP神经网络、LSTM网络等黑箱模型[6- 8],模型可解释性不强；有研究表明回归分析建模与BP神经网络的精度接近[3],本文选择多元非线性回归分析方法建立堤防安全预测模型提升模型的解释性。

在堤防管理系统方面，也有许多学者进行了相关研究，主要集中在以下方面：①多利用BIM、GIS、IOT、云模型等技术构建堤防管理系统，系统架构总体上分为基础数据层、功能层、交互层[9- 11]。②系统功能设计侧重于雨水情信息、运维信息管理[12- 13],对与堤防安全息息相关的地层地质信息以及安全预警研究不足；本文基于BIM、GIS、IOT技术，在传统系统架构基础上，完善基础数据层的地质属性管理，在应用层面实现实时安全预警。

综上所述，研究思路如下：首先计算多种工况下堤防的渗透坡降和安全系数，采用灰色关联分析对影响因素进行敏感性分析，选择敏感性较大的因素建立渗透坡降和安全系数多元非线性回归预测模型；然后基于BIM+GIS+IOT技术研发堤防一体化管理平台，以实现地层地质属性、实时监测、安全预警等多源数据综合管理。

1、基本原理与方法

1.1 渗流分析原理

达西定律说明，在层流状态的渗流中，渗透速度v与渗透坡降i的一次方成正比关系。

式中，Q—流量，cm3/s;A—横截面面积，cm2;k—渗透系数，cm/s;J—渗透坡降。

在稳定渗流场中，假定水体不可压缩，则可依据水流连续性原理，再结合达西定律推导出渗流基本方程(Laplace方程)如下：

式中，kx、kz—x、z方向渗透系数，cm/s;h—测管水头，m。

1.2 稳定分析原理

根据不同假定，形成多种计算方法：瑞典条分法、简化毕肖普法、普遍条分法、有限元法。本文采用简化毕肖普法计算堤防边坡稳定安全系数，其表达式如下：

式中，mθi—为第i个条块的计算系数；θi—第i个条块底部的倾角，(°);Wi—第i个条块的重量，kN;ci—第i个条块的黏聚力，kPa;bi—第i个条块的长度，m;φi—第i个条块的内摩擦角，(°)。

1.3 灰色关联分析方法

灰色关联分析能通过少量样本数据找到系统中的主要影响因素，且不会出现量化结果与定性分析结果不符的情况。灰色关联度计算过程如下：

(1)设系统行为序列：

X0=(x0(1),x0(2),…x0(n))

Xi=(xi(1),xi(2),…xi(n)) (5)

一般以X0作为系统特征行为序列(母序列),Xi为相关因素序列(子序列)。

(2)求各序列的初值像：

(3)令分辨系数ξ=0.5,求点关联系数γ0i(k):

(4)求灰色关联度：

1.4 多元非线性回归模型原理

利用非线性回归模型可以建立一个因变量y与一个或多个自变量(x1～xi)之间的非线性关系，常用的非线性回归模型为[3]:

式中，y—因变量；xi、xj—已知的自变量；ki—待估参数；k0—常数；fi(xi)—自变量与因变量之间的函数关系；a0—残差项。

通过非线性的最小二乘法进行非线性回归模型的参数估计，并选用R2检验方程拟合优度。

2、堤防安全预测模型建模步骤及流程

通过灰色关联分析筛选优势因素后，再利用非线性回归分析建立堤防渗透坡降与安全系数预测模型的主要步骤如下：

(1)选取渗流稳定影响因素，并进行正交试验设计，各因素在允许范围内划分若干水平值，并根据因素的数量选取合适正交表。

(2)根据正交表设置的各种工况，进行渗流稳定分析，计算各工况下的渗透坡降和安全系数。

(3)根据渗流稳定计算结果，进灰色关联分析；分析结果合理性后，根据结果筛选敏感性较大的优势因素后，重新计算仅考虑优势因素变化下的渗透坡降与安全系数。

(4)根据数值计算结果，分别以渗透坡降和安全系数为因变量，相应的影响因素为自变量，通过非线性回归分析，分别建立渗透坡降及安全系数的多元非线性回归预测模型。

3、堤防一体化管理平台研发

3.1 需求分析

堤防工程BIM+GIS+IOT一体化管理平台的建设主要围绕堤防工程运维、安全监测、安全预测等方面提供数据管理、数据查询、实时预警及可视化等功能。基础数据涵盖：堤防地层地质属性数据、实时监测数据及监测设备空间数据、堤防BIM模型，平台实现数据深度融合及利用，提升运维管理效率，实现实时安全预警。具体包含以下需求。

(1)堤防信息化管理需求。

建立堤防工程BIM模型融合地层地质属性，实现地层可视化管理；建立监测仪器目录，包括监测仪器、监测类型、监测频率、运行状态、安装位置等数据，实现堤防监测数据自动化采集、传输、存储及可视化管理。

(2)堤防实时安全预测需求。

对基础数据深度挖掘利用，包括实时监测数据、堤防地质属性，融合安全预测模型实现基于雨水情数据、地质属性的实时安全预测。

3.2 平台总体架构

堤防一体化管理平台基于BIM、GIS、IoT技术，能有效解决堤防数据管理中信息孤岛、管理对象不清、预测能力不足的问题，实现堤防全属性管理及实时安全预测。平台主要包括基础设施层、数据层、服务层、应用层、用户层5个层级，如图1所示。

图1 系统总体架构示意图

(1)基础设施层。

整合平台所需的计算资源、存储资源、网络资源等软硬件设备，构建基于云架构的资源共享模式；形成高可靠性的运行环境，高扩展性的存储环境，以满足堤防工程数据存储和数据共享查询。

(2)数据层。

旨在整理一套完整、准确、权威的数据，建成后作为系统的数据来源。数据库包含地质数据库、物联监测数据库、空间数据库、运维数据库、安全评价数据库和其他数据库。

(3)服务层。

将数据资源封装成服务，供上层应用调用，同时包括数据交互服务、统一配置服务、GIS服务、实时安全预测服务等功能性服务。

(4)应用层。

包含数据展板、数据管理、数字堤防、物联监测、安全评价，涵盖数据导入、数据管理、数据可视化展示、安全预警等方面。

(5)用户层。

平台在WEB端展示，堤防主管部门和管理人员可以在登录网站后在系统管理基础数据、监测数据、安全预警信息。

3.3 功能模块设计

平台主要包含数据展板、数据管理、数字堤防、物联监测以及安全评估五大功能板块。

(1)数据展板。

包含堤防工程空间位置信息、区域水系、监测设备位置信息、监测数据一张图展示，用户能直观浏览河流水系、堤防空间位置以及实时监测数据。

(2)数据管理。

包括堤防属性管理、统计管理以及数据维护3部分，平台基本数据导入接口，用户上传堤防空间位置、地层地质属性、监测设备基本属性、河流水系等基本数据后，平台将基本数据分类统计，将数据可视化展示于数据展板。

(3)数字堤防。

对具体堤防工程进行数字化建模，数字化管理堤防基本属性、地质属性以及检测属性。

(4)物联监测。

平台接入雨水情、堤身变形、渗流、河道水位等实时监测数据，于数据展板一张图上展示，同时作为安全评价基础数据来源。

(5)安全评估。

包含安全一张图及预警一张图。平台根据监测数据，结合预测模型，实现堤防安全的实时预测并做出预警。

4、实例分析

4.1 工程概况

以某堤防为例，其临水侧表层覆盖平均厚度2m的黏土防渗层，堤身由人工填土组成，堤基由厚约3m的粉质黏土及厚约4m的砂卵砾石组成。其概化数值计算模型如图2所示。

图2 堤防计算断面

4.2 非线性回归预测模型建立

4.2.1 试验设计及计算结果

(1)渗透坡降影响因素选择[2]。

防渗层厚度L、防渗层渗透系数k1、杂填土渗透系数k2、粉质黏土渗透系数k3及水位w。

(2)边坡稳定影响因素选择[14]。

水位w、杂填土内摩擦角φ1、粉质黏土内摩擦角φ2、杂填土黏聚力c1及粉质黏土黏聚力c2。水平划分见表1。

表1 因素水平划分表

各因素在取值范围内均匀划分4个水平，选择L16(45)正交表，通过RS2渗流稳定分析软件计算各工况下的渗透坡降J和安全系数Fs,结果见表2。

表2 渗透坡降及安全系数计算结果

4.2.2 基于灰色关联度的敏感性分析

由于影响因素间量纲不同，不具有直接可比性，且数量级差距较大，灰色关联分析时会产生一定误差，因此对原始数据进行归一化处理后再进行敏感性分析[15]。灰色关联度计算结果见表3。

表3 灰色关联度计算结果

渗透坡降关联度计算结果表明：水位与渗透坡降关系最紧密、防渗层渗透系数次之、杂填土渗透系数第三、粉质黏土渗透系数和防渗层厚度关联度相对较小；实际工程中防渗层能极大减少堤身内部渗流，水位高度也是影响渗流大小的关键因素，因此计算结果合理。

安全系数关联度计算结果表明：安全系数大小与杂填土内摩擦角关联度最大、水位其次、杂填土黏聚力第三、粉质黏土内摩擦角与黏聚力相对较小；水位高低能影响土体的有效应力大小进而影响整体稳定性，杂填土是堤身的主要构成，堤防稳定性又很大程度上取决于堤身材料的强度，因此计算结果合理。选取关联度前三的因素，仅考虑所选因素变化，调整试验设计后，重新计算对应工况下的渗透坡降和安全系数，结果见表4。

表4 渗透坡降及安全系数计算结果(调整后)

4.2.3 模型建立

以数值计算的渗透坡降以及安全系数结果做为拟合目标序列，以相关因素序列为初始数据序列，得出J与Fs的非线性公式。

渗透坡降(J)非线性拟合公式：

安全系数(Fs)非线性拟合公式：

表5 系数取值表

渗透坡降拟合公式预测值与正交实验计算值的相关系数平方和R2达0.96,安全系数拟合公式R2达0.95,预测值与计算值对比如图3—4所示。

图3 渗透坡降预测值与计算值对比

图4 安全系数预测值与计算值对比

由此可见，预测模型的预测精度较高，预测模型能较精确地反映实际堤防渗透坡降和安全系数的变化规律，这对汛期堤防安全预测、防灾减灾、保护人民生命财产安全具有重要意义。

4.3 平台应用实例

以某堤防为例，平台接入堤防物联监测设备的实时监测数据，安全一张图平台基于前文预测模型，能实时预测堤防的安全系数与渗透坡降。平台成果如图5—6所示。

图5 管理平台数据展板

图6 管理平台安全一张图

5、结论

(1)根据敏感性分析结果，基于水位w、防渗层渗透系数k1、杂填土渗透系数k2建立了渗透坡降预测模型，模型的R2达到0.96;基于杂填土内摩擦角φ1、水位w、杂填土黏聚力c1建立了安全系数预测模型，其模型的R2达到0.97,二者可精确地预测堤防渗透坡降和安全系数的变化，对提升堤防防灾减灾能力有重要意义。下一步研究将提升模型时间序列上精度自适应优化，实现堤防全生命周期上的精准预测。

(2)建立了融合安全预测模型的堤防一体化管理平台，实现了堤防多源数据管理与实时安全预警，可为同类工程提供参考。下一步研究将提升管理平台适用性，实现区域堤防工程的一体化综合管理。

参考文献:

[1]陈志波,简文彬.边坡稳定性影响因素敏感性灰色关联分析[J].防灾减灾工程学报,2006(4):473- 477.

[2]宁丹麦,罗玉龙,詹美礼,等.堤防管涌险情主要影响因素的敏感性分析[J].长江科学院院报,2019,36(10):45- 48,58.

[3]康孟羽,朱月琴,陈晨,等.基于多元非线性回归和BP神经网络的滑坡滑动距离预测模型研究[J].地质通报,2022,41(12):2281- 2289.

[4]李云,祝龙,宣国祥,等.土石坝漫顶溃决时间预测分析[J].水力发电学报,2013,32(5):174- 178.

[5]刘动,陈晓平,黄井武.河流冲刷作用下人工堤岸稳定性研究[J].中山大学学报(自然科学版),2013,52(3):17- 22,29.

[6]沈跃军,秦鹏.基于BP神经网络-实时跟踪算法的海堤沉降预测[J].人民长江,2013,44(22):100- 102.

[7]杨振兴,陈飞飞,马还援,等.基于回归分析和小波变换的边坡变形组合预测研究[J].长江科学院院报,2017,34(4):38- 42,51.

[8]岑威钧,王肖鑫,蒋明欢.基于EEMD-LSTM-ARIMA的土石坝渗压预测模型研究[J].水资源与水工程学报,2023,34(2):180- 185.

[9]关许为,肖庆华,张庆.基于云监测平台的堤防安全信息管理系统研究[J].中国农村水利水电,2018(6):133- 135.

[10]张清明,金锦,王荆,等.基于J2EE平台的堤防工程信息管理系统设计与实现[J].人民黄河,2021,43(S1):293- 294.

[11]任海文,刘永强,闫文杰.基于BIM技术的堤防工程运维信息管理系统设计与实现[J].水电能源科学,2020,38(10):116- 120.

[12]徐路凯,张宝森,岳瑜素,等.黄河下游堤防工程标准化管理平台设计与实现[J].中国防汛抗旱,2022,32(5):55- 58.

[13]郑宁,梅传贵,陈翔,等.基于集群管理模式的江港堤防水利工程综合管理平台的建设[J].水利技术监督,2022(2):59- 63,84.

[14]宛良朋,许阳,李建林,等.岩体参数敏感性分析对边坡稳定性评价影响研究:以大岗山坝肩边坡为例[J].岩土力学,2016,37(6):1737- 1744.

[15]豆换换,张彦洪,邵峰,等.基于改进的灰色关联度分析法的黄土边坡稳定性分析[J].水利规划与设计,2023(10):94- 96,145.

基金资助:湖南省水利科技项目(XSKJ202100023); 湖南省科技厅重点研发项目(2022SK2099);

文章来源:许彬彬,张昊,李者,等.堤防安全的多因素预测模型及一体化管理平台探究[J].水利规划与设计,2024,(11):138-142.