改進POT模型及其在邊坡安全監(jiān)測預警中的應用

周志杰 沈振中 徐力群 任杰

摘要：基于極值理論的BMM（Block Maximum Method）和POT模型是近來分析邊坡安全監(jiān)測資料、評估邊坡安全狀況的新興方法之一。相對簡便的BMM模型在數(shù)據(jù)取樣時往往忽略區(qū)間次極大值，在資料年限較短時樣本容量偏小，可能導致所得結(jié)果誤差較大。本文利用改進的Hill估計方法得到閾值，通過極大似然估計確定廣義帕累托分布參數(shù)，從而利用超限數(shù)據(jù)序列來確定測值序列的整體分布，提出了改進POT（Modified Peaks over Threshold）模型，并應用于某邊坡工程的安全監(jiān)測預警指標分析。結(jié)果表明，在同一置信水平下利用超限值應用廣義帕累托分布擬合得到的預警指標小于利用塊極大值應用正態(tài)分布得到的預警指標，表明基于超限數(shù)據(jù)的改進POT模型得到的預警指標更能有效規(guī)避極端情況發(fā)生的風險，更有利于邊坡安全監(jiān)測和預警。

關(guān)鍵詞：邊坡；極值理論；BMM模型；改進POT模型；預警指標；閾值；極大似然估計

中圖分類號：U416 文獻標志碼：A 文章編號：1672-1683（2016）04-0192-06

Abstract：BMM model and POT model which based on extreme value theory are one of the newly-developing methods to assess the safety conditions of slope in recent years.The ignorant of secondary maximum points and the relatively small size of sample in the case of short-time data may lead to a big error in BMM model.A modified POT model was proposed in the paper to get the threshold with improved Hill estimator method and obtain the Pareto parameters with the maximum likelihood estimation so that the whole distribution could be determined.With the analysis of a slope engineering，the early-warning index which used the generalized Pareto distribution with the data exceeding the threshold was less than that using the normal distribution with the block maximum values in the case of same confidence level.It could be drawn from the results that the early-warning index based on modified POT model was more effective in slope safety monitoring，which could be made use of reducing the risk when extreme conditions happened.

Key words： slope；extreme value theory；BMM model；modified POT model；early-warning index；threshold；maximum likelihood estimation

依據(jù)邊坡工程施工、運行的原型監(jiān)測資料，應用統(tǒng)計數(shù)學、力學等方法建立監(jiān)控模型，擬定不同置信水平下的預警指標，展開對邊坡的實時監(jiān)控和預警，是應對復雜工作條件下預防邊坡發(fā)生極端事件的有效措施[1-3]。而極值理論不僅提供了建立模型描述極端事件的理論基礎，且具有超越樣本數(shù)據(jù)的能力，有效地對隨機序列的最大（小）值的概率分布和數(shù)據(jù)序列的邊際概率分布尾部進行建模，進而建立有效的風險防范和預警系統(tǒng)[4]，在實際工程監(jiān)控領域得到了廣泛的應用。

傳統(tǒng)的分塊樣本極大值方法（BMM模型）將一獨立隨機觀測序列依據(jù)時間或者其它的標準分隔為幾個非重疊區(qū)域，在每個區(qū)域中選極大值，以這些極大值構(gòu)成的極值樣本數(shù)據(jù)序列進行分布擬合從而估計預警指標[5]，主要用于處理具有明顯季節(jié)性數(shù)據(jù)的極值問題。但受限于取樣數(shù)據(jù)方法，忽略了區(qū)域次大值，往往造成區(qū)間內(nèi)除極值外大量數(shù)據(jù)的浪費，且在原型觀測資料年限較短的情況下，使無法滿足參數(shù)估計的樣本量，增加估計的誤差，顯然依據(jù)這些樣本而擬定的預警指標存在一定的偏差。并且鑒于實測數(shù)據(jù)分布可能存在的厚尾性，即極端事件引發(fā)的極端風險的真實值要比正態(tài)分布的大且更頻繁[6]，所以BMM模型中基于正態(tài)分布的假設也同樣低估了尾部極端風險[7]。與之相對，POT模型是一種基于超限值的建模方法，即基于廣義帕累托分布（GPD）對超過某一閾值的所有觀測數(shù)據(jù)進行建模，漸進地刻畫分布的尾部特征。該模型更能充分利用樣本數(shù)據(jù)的極值序列包含的信息，理論上更加符合實際情況，適用于工程實際。因此，本文基于POT模型，以超過某一閾值的數(shù)據(jù)序列作為研究對象，利用廣義帕累托分布擬合超限分布，提出了改進的閾值估計方法，并利用極大似然估計確定分布參數(shù)，建立了改進POT模型，并應用于邊坡變形監(jiān)測資料分析及預警，結(jié)合邊坡工程的實例對兩種模型所確定的預警指標進行比較，驗證了方法的合理性。

1 BMM模型

傳統(tǒng)的分塊樣本極大值方法（BMM）是基于廣義極值分布的參數(shù)模型，它是對某一同分布樣本分塊后的極大值進行建模。Fisher和Tippett[8]證明了如果獨立同分布序列的標準極大值收斂于某分布，那么其極限分布就是廣義極值分布（GEV）。

以上基于超限值數(shù)據(jù)序列的改進POT模型旨在針對傳統(tǒng)BMM模型在取樣數(shù)據(jù)方法上僅選取極值的缺陷，將超過某一閾值的較大測值均納入考慮，可使所擬定的預警指標更貼近實際，有效規(guī)避風險。下面以某邊坡工程為例，利用其變形監(jiān)測資料建立以上兩種模型，并擬定預警指標進行分析比較，驗證改進POT模型的合理性。

3 實例分析

某水電站位于我國西南部，工程以發(fā)電為主，樞紐主要由混凝土面板堆石壩、右岸開敞式溢洪道、左岸引水發(fā)電系統(tǒng)、地面廠房等組成。壩頂高程643.0 m，最大壩高約135 m，壩頂長度315 m，水庫正常蓄水位639.0 m，可調(diào)節(jié)庫容3.341億m³。樞紐工程位于高山峽谷、陡峻岸坡地段，工程開挖形成了多處高開挖邊坡，主要有：壩址左岸邊坡、左岸下游邊坡、右岸高程643.0 m以上邊坡（主要屬于溢洪道引渠段邊坡）和溢洪道邊坡。

高開挖邊坡主要集中在溢洪道所在的右岸邊坡。該范圍邊坡呈弧形，坡高一般60～80 m，末端高達114 m，主要為土質(zhì)邊坡和部分巖質(zhì)邊坡。巖質(zhì)邊坡存在不利結(jié)構(gòu)面組合構(gòu)成的不穩(wěn)定楔形塊體，施工過程中產(chǎn)生了兩次塌滑，穩(wěn)定性較差。土質(zhì)邊坡采用混凝土框架梁、節(jié)點加錨索固坡形式，由于支護滯后等原因，沿覆蓋層與基巖接觸面產(chǎn)生了滑塌。之后設計方案調(diào)整為：放緩開挖邊坡為1∶1.2～1∶1.0；上部采用1∶1.4，并用M10貼坡漿砌石護坡，厚度40 cm；下部邊坡及變坡部位采用C20貼坡鋼筋混凝土加錨索固坡；在坡面上均按梅花型布設排水孔。為了確保右岸邊坡的穩(wěn)定性，在右岸高程643.0 m以上邊坡布置了錨索測力計、表面變形監(jiān)測點、多點位移計及測斜孔等邊坡監(jiān)測設施。

鑒于右岸邊坡工程的重要性，基于極值理論分析邊坡安全監(jiān)測資料，擬定某一置信水平下的預警指標，以便展開對右岸邊坡的實時監(jiān)控和預警。取右岸邊坡有效表面變形監(jiān)測點BPB-TP-07，各測點位置見圖1。自2005年1月16日至2014年7月17日順河向表面位移的測值序列，樣本總數(shù)為n=127，分別利用BMM模型和改進POT模型擬定右岸邊坡在95%置信水平下的水平位移預警值。

3.1 利用BMM模型擬定預警值

將所取測值序列以年為區(qū)間進行分塊處理，得到m=10的年極大值樣本序列{M1，M2，…，Mm}，利用式（3）對分布參數(shù)ξ，μ，σ通過matlab編程得到極大似然估計值（結(jié)果見表1），代入GEV分布的概率密度函數(shù)，易得在α=95%的置信水平下邊坡水平位移的預警值為201.247 mm。

3.2 利用改進POT模型擬定預警值

基于改進的Hill估計方法確定閾值，然后對分布參數(shù)采用極大似然估計，從而得到超限值的條件分布函數(shù)來表示總體分布函數(shù)。

首先，將測值序列{x1，x2，…，xn}按升序排列得到次序統(tǒng)計量x（i），由式（8）通過matlab編程獲得k及對應的估計量γ（k），繪制點（k，γ（k）-1）集合的Hill圖見圖2。

3.3 預警指標的比較分析

通過算例發(fā)現(xiàn)，在相同置信水平下利用超限值應用廣義帕累托分布擬合得到的預警指標小于利用塊極大值應用正態(tài)分布得到的預警指標。為排除單個測點測值序列所具有的偶然性，用同樣方法隨機取右岸邊坡若干有效測點進行計算同樣得到類似結(jié)論。由此可知，在實際監(jiān)測邊坡安全狀況的過程中，基于傳統(tǒng)BMM模型所得的預警指標往往可能偏于開放，尤其是在處理數(shù)據(jù)序列年限較短、有效區(qū)間次極大值被忽略的情況下，所得的預警指標存在較大偏差。而利用改進POT模型，可以充分考慮測值序列中的較大測值，所得的預警指標也更具參考性，使有效規(guī)避極端情況發(fā)生的風險。

4 結(jié)語

（1）借助極值理論和BMM模型提出了改進POT模型，研究了邊坡預警指標的擬定原理和算法。并結(jié)合具體邊坡工程的實例，分別利用區(qū)間極大值和超限值對邊坡測值序列進行整體分布擬合，從而比較同一置信水平下的預警指標，得到改進POT模型相較BMM模型所得預警指標更偏于保守，對于邊坡工程的風險防范和極端情況預警更具指導性。

（2）改進POT模型通過引入斜率變點來界定Hill圖中序列的平穩(wěn)性，有效避免了主觀判定閾值產(chǎn)生的誤差，并通過編程使模型適用于大樣本數(shù)據(jù)的自動處理，為其他類似工程預警系統(tǒng)的建立和預警指標的擬定提供了參考。

（3）基于一維情況對測值序列的極值進行建模處理來擬定預警指標，僅考慮了超越閾值的大小，沒有考慮隨機變量之間的相關(guān)性，因此可考慮用多維極值理論來研究其可行性。

參考文獻（References）：

[1] 吳中如.水工建筑物安全監(jiān)控理論及其應用[M].北京：高等教育出版社，2003.（WU Zhong-ru.The safety of hydraulic structure monitoring theory and its application[M].Beijing：Higher Education Press，2003.（in Chinese））

[2] Su H，Wen Z，Wu Z.Study on an intelligent inference engine in early-warning system of dam health[J].Water Resources Management，2011，25（6）：1545-1563.

[3] 蘇懷智，王鋒，劉紅萍.基于POT模型建立大壩服役性態(tài)預警指標[J].水利學報，2012（08）：974-978，986.（SU Huai-zhi，WANG Feng，LIU Hong-ping.Early-warning index for dam service behavior based on POT model[J].Journal of Hydraulic Engineering，2012（8）：974-978，986.（in Chinese））

[4] 高娟.極值分布參數(shù)估計方法的研究[D].北京：華北電力大學，2009.（GAO Juan.The method study of extreme value distribution parameter estimation[D].Beijing：North China Electric Power University，2009.（in Chinese））

[5] 劉莎莎.POT模型閾值的選取及應用[D].長春：吉林大學，2014.（LIU Sha-sha.The selection and application of the threshold of POT model[D].Changchun： Jilin University，2014.（in Chinese））

[6] 李賀，葉中行.極值理論與VaR計算[J].寧夏大學學報：自然科學版，2007（02）：124-127.（LI He，YE Zhong-xing.Extreme value theory and VaR computation[J].Journal of Ningxia University：Natural Science Edition，2007（02）：124-127.（in Chinese））

[7] 周敏娟，蘇鑫.極值理論POT模型與閾值選取研究[J].中國證券期貨，2011（6）：199-200.（ZHOU Min-juan，SU Xin.Extreme value theory POT model and study on threshold[J].Securities and Futures of China，2011（6）：199-200.（in Chinese））

[8] Fisher R A，Tippett L H C.Limiting forms of the frequency distribution of the largest or smallest member of a sample[C].//Mathematical Proceedings of the Cambridge Philosophical Society.Cambridge University Press，1928，24（02）：180-190.

[9] Jenkinson A F.The frequency distribution of the annual maximum（or minimum）values of meteorological elements[J].Quarterly Journal of the Royal Meteorological Society，1955，81（348）：158-171.

[10] Leadbetter M R，Lindgren G，Rootzén H.Extremes and related properties of random sequences and processes[M].New York：Springer-Verlag，1983.

[11] Pickands III J.Statistical inference using extreme order statistics[J].The Annals of Statistics，1975：119-131.

[12] McNeil A J，F(xiàn)rey R.Estimation of tail-related risk measures for heteroscedastic financial time series：an extreme value approach[J].Journal of empirical finance，2000，7（3）：271-300.

[13] 桂文林.基于極端值理論（EVT）的金融風險度量[D].廣州：暨南大學，2005.（GUI Wen-lin.Calculate the financial risk according to Extreme Value Theory[D].Guangzhou：Jinan University，2005.（in Chinese））

[14] Qi Y E W Y M B.Using the Improved Hill Estimator Model to Evaluate VaR[J].Journal of the Graduate School of the Chinese Academy of Science，2004，3：002.

[15] Dacorogna M M，Müller U A，Pictet O V，et al.The distribution of extremal foreign exchange rate returns in extremely large data sets[M].Netherlands：Tinbergen Institute，1995.

[16] 宋加山，李勇，彭誠，等.極值理論中閾值選取的Hill估計方法改進[J].中國科學技術(shù)大學學報，2008（9）：1104-1108.（SONG Jia-shan，LI Yong，PENG Cheng，et al.Improving the traditional Hill estimator to select the threshold in extreme value theory[J].Journal of University of Science and Technology of China，2008（9）：1104-1108.（in Chinese））

[17] 葉五一，繆柏其，譚常春.基于分位點回歸模型變點檢測的金融傳染分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2007（10）：151-161.（YE Wu-yi，LIAO Bo-qi，TAN Chang-chun.Analysis of financial contagion based on change point testing of quartile regression model[J].The Journal of Quantitative and Technical Economics，2007（10）：151-161.（in Chinese））

[18] Smith R L.Estimating tails of probability distributions[J].The annals of Statistics，1987：1174-1207.