分段法監(jiān)控灘坑大壩滲流量

林芝，孟相君，薛洋，童景輝

（國家能源局大壩安全監(jiān)察中心，浙江杭州，311122）

0 引言

土石壩作為就近采用當?shù)赝潦牧闲藿ǖ膿跛ㄖ?，建造歷史悠久，生命力強，得到了廣泛應用。目前我國土石壩建設已突破壩高200 m級，面板壩和心墻壩逐步成為高土石壩建設的主流壩型，如云南瀾滄江上的糯扎渡工程為心墻堆石壩，壩高261.5 m，是我國已建最高的心墻壩[1]；湖北清江的水布埡大壩壩高233.2 m，是目前世界上已建最高的混凝土面板堆石壩[2]。隨著一大批土石壩工程完工投入運行，其運行性態(tài)是運行管理、設計、施工單位和國家監(jiān)管部門關(guān)注的重點，其中滲流穩(wěn)定是土石壩安全運行的關(guān)鍵。國內(nèi)外相關(guān)統(tǒng)計顯示，滲透破壞直接導致的土石壩失事概率約占29%～44%[3]。土石壩滲流作為影響大壩結(jié)構(gòu)安全的重要方面，眾多學者對此開展了研究分析，之前的大量研究認為土石壩滲流受庫水位、溫度、降雨量的影響，屬于不穩(wěn)定滲流。由于滲流場內(nèi)孔隙水壓力會對壩體邊坡的穩(wěn)定性造成影響，較大的出滲坡降會使下游壩坡出現(xiàn)滲透變形，許多工程缺陷如防滲體破壞、管涌、滲水、裂縫等都可以在滲流效應量上得到體現(xiàn)，尤其是通過分析壩后滲流量的變化趨勢、量值及水質(zhì)情況對比，可以獲得土石壩整體的滲流控制情況。然而由于大多數(shù)土石壩采用壩后量水堰，滲流量測值易受客水干擾，特別是在降雨影響下，測值往往不能直接反映大壩的滲流狀況，從而影響大壩結(jié)構(gòu)安全評判結(jié)論。

本研究在收集大量土石壩滲流量實測資料的基礎上，嘗試采用分段法分析降雨對壩后量水堰實測值的影響，構(gòu)建合理的滲流量預報模型，以預測不同降雨過程影響下的滲流量值，并結(jié)合灘坑大壩的滲流量實測資料進行計算分析。

1 降雨對土石壩滲流量影響機理分析

土石壩降雨入滲是指雨水從大壩表面滲入土壤過程中不斷驅(qū)替空氣而飽和空隙的過程，通常根據(jù)降雨強度與土體飽和度、土體入滲能力之間的關(guān)系，將降雨入滲分為3種情況[4]：

（1）情況A：降雨強度小于土體飽和度，雨水將全部入滲，不會形成徑流。

（2）情況B：降雨強度大于土體飽和度而小于土體入滲能力，雨水將全部入滲，也不會形成徑流。

（3）情況C：降雨強度大于土體飽和度和土體入滲能力，此時將形成徑流（以下稱為降雨徑流）。

以上A、B兩種情況下，降雨不會對壩后量水堰實測值造成明顯干擾，量水堰測值可以認為是大壩實際滲流量，即Q實測=Q大壩；C 情況下，壩后量水堰實測值可以認為是大壩滲流量和降雨徑流量之和，即Q實測=Q大壩+Q徑流。

要確定降雨徑流對量水堰實測值的影響規(guī)律，首先要確定降雨入滲的邊界條件，即降雨強度與土體入滲能力的相對關(guān)系。很多學者曾提出了各自的解決方法：高潤德等[5]將入滲邊界作為流量已知邊界，直接將降雨強度作為邊界入滲率；吳宏偉等[6]假定70%的入滲量為土體的入滲率；李兆平等[7]根據(jù)降雨強度與飽和滲透系數(shù)的關(guān)系來確定入滲率；榮冠等[8]通過有限元數(shù)值模擬的方法確定入滲邊界。本研究嘗試通過分析壩后量水堰實測值和降雨過程實測值之間的關(guān)系來確定。

2 分段法構(gòu)建土石壩滲流量監(jiān)控模型

2.1 滲流量測值相關(guān)因素分析

土石壩壩后量水堰測值主要受上游水位影響，同時在不同降雨強度和降雨過程的影響下，會受降雨徑流的干擾而突增。不同降雨強度和降雨過程對量水堰測值的影響不同：當降雨強度較小、歷時較短時，測值基本不受影響；當降雨強度較大或歷時較長時，測值會出現(xiàn)異常增大。因此嘗試將明顯受降雨影響的實測值和不受降雨影響的實測值進行分組分析，構(gòu)造不同降雨過程影響下的滲流量監(jiān)控模型。

2.2 分段法構(gòu)建滲流量監(jiān)控模型

對于一個已知的降雨過程，壩后量水堰實測值可以表示為Q實測=Q大壩+Q徑流。根據(jù)土石壩的降雨量入滲機理和量水堰實測值的相關(guān)因素分析，分段構(gòu)建滲流量測值表達式：

對于運行多年且結(jié)構(gòu)無異常的大壩，上游水位、氣溫和時效對滲流量的影響是確定的，即在相同的上游水位情況下，Q大壩是一個確定值，因此式（3）和式（4）中水位、氣溫和時效的函數(shù)相同，可將全序列數(shù)據(jù)組相應的上游水位、氣溫和時間代入式（4），得到全序列上游水位、氣溫和時效影響下的滲流量值。

2.3 降雨徑流預測

用實測滲流量減去上述上游水位、氣溫和時效影響下的滲流量值，得到降雨過程與Q徑流之間的函數(shù)關(guān)系，即：

借助長短期記憶人工神經(jīng)網(wǎng)絡（LSTM），以某時刻之前一定時間內(nèi)（時段長度可由降雨過程對滲流量的影響數(shù)據(jù)得到或取較大值）的降雨過程數(shù)據(jù)為輸入變量，以由該降雨引起的滲流量為目標值，構(gòu)建降雨過程與降雨產(chǎn)生的滲流量的定量模型，即

式中，Qt為t時刻由降雨引起的滲流量；Pt為t時刻的降雨強度。

采用該模型可對相同降雨過程下產(chǎn)生的降雨徑流進行預測，最后用滲流量實測值減去降雨徑流，即可得到大壩滲流量。

3 灘坑大壩滲流量監(jiān)控

3.1 工程概況

灘坑大壩為混凝土面板堆石壩，最大壩高162.0 m，水庫總庫容41.9億m3，正常蓄水位160.0 m。工程運行多年，未見明顯異常，大壩滲流狀態(tài)已經(jīng)穩(wěn)定。大壩滲流量采用壩后量水堰形式進行觀測，取2016年1月—2020年12月的量水堰實測值作為樣本進行分析，實測滲流量與降雨量過程線見圖1，實測滲流量與庫水位過程線見圖2。

圖1 大壩實測滲流量與降雨量過程線Fig.1 Process curves of measured dam seepage and rainfall

圖2 大壩實測滲流量與上游水位過程線Fig. 2 Process curves of measured dam seepage and up?stream water level

3.2 分段計算

通過敏感性分析，最終得到“前5 d累積降雨量30 mm”為本大壩降雨入滲的邊界條件分割點，對前5 d累積降雨量小于30 mm的數(shù)據(jù)，采用式（3）進行回歸計算，得到上游水位、氣溫和時間的函數(shù)表達式，將全序列數(shù)據(jù)組相應的上游水位、氣溫和時間代入上述回歸模型方程，得到全序列上游水位、氣溫和時效影響下的滲流量值，見圖3。用實測滲流量減去上述上游水位、氣溫和時效影響下的滲流量值，得到不同降雨過程影響下的降雨徑流值，見圖4。

圖3 上游水位、氣溫和時效影響下的滲流量Fig. 3 Seepage under the influence of upstream water level,temperature and time effect

圖4 降雨徑流與降雨量測值過程線Fig.4 Process curves of rainfall runoff and rainfall

將分離得到的由降雨引起的滲流量和降雨過程數(shù)據(jù)作為LSTM 模型的訓練數(shù)據(jù)，建模效果見圖5，可見模型預測結(jié)果與實測降雨徑流非常接近，說明模型預測精度較高。從滲流量實測值中減去降雨徑流，可以得到扣除降雨影響后的大壩滲流量，見圖6。

圖5 降雨徑流預測值過程線Fig. 5 Process curves of predicted and measured values of rainfall runoff

圖6 扣除降雨影響后的大壩滲流量過程線Fig.6 Dam seepage after deducting rainfall impact

3.3 計算結(jié)果分析

對實測滲流量和扣除降雨影響后的滲流量進行對比分析，結(jié)果見表1。從表1 可見，降雨量越大，對實測滲流量的影響越大，大壩滲流量減少幅度越大。扣除降雨影響后，大壩實際滲流量均在55 L/s以內(nèi)，未超出工程允許的滲流量最大值。

表1 典型降雨過程影響下扣除降雨量影響后的大壩滲流量計算結(jié)果Table 1 Dam seepage calculation results after deducting rainfall impact during typical rainfall processes

4 結(jié)語

（1）本研究在求取離散化處理的分割點L時采用多次試算的方法，可以進一步研究更為合理的分割點求取方法。

（2）預測精度主要受實測樣本序列長短、取樣頻次、模型分段數(shù)量的影響，在保證實測樣本數(shù)據(jù)質(zhì)量的情況下，可以較準確地應用于受降雨影響明顯的大壩滲流量監(jiān)控。■