混凝土面板堆石坝在面板损伤引起的渗流条件下的数据-机制联合安全评估框架

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Data–mechanism integrated safety assessment framework for concrete face rockfill dams under face slab damage-induced seepage

　　•面板损伤条件下CFRD安全性的数据-机理框架
•损伤-渗流-稳定链条，连接诊断、映射与稳定性
•考虑不确定性的XGBoost用于全局渗流压力映射
•损伤诱导的渗流效应对应力重分布与稳定性的影响

引言

混凝土面板堆石坝（CFRDs）因其良好的抗震性能、对复杂地质条件的强适应性以及显著的经济优势，已成为现代高坝工程中应用最广泛的坝型之一[18,33,42]。在长期运行过程中，CFRDs不仅受到施工质量变异性、不均匀沉降等常规因素的影响，还面临超标洪水、强降雨和强地震等极端环境条件[12,22,23,41]。在此类条件下，面板与坝体之间可能产生显著的变形不协调和应力集中，触发或加剧面板开裂与损伤[1,13,25,43]。在持续高水头作用下，裂缝位置的渗流集中进一步加剧，局部损伤可能逐步演化为连续渗漏通道。这一过程可显著改变坝体内部的渗流场和孔隙水压力分布[25,35]，从而威胁坝坡的整体稳定性[7,46]。

然而，在实际运行中，CFRD面板损伤往往具有突发性和强隐蔽性。现有监测方法主要依赖变形和应力响应等间接指标来推断损伤状态。由于多因素耦合效应，损伤信息的精确识别较为困难。若面板损伤未能及时检测，相应的渗流响应可能被忽视，导致对坝体安全状态的认知发生偏差，增加失稳风险。此外，由于孔隙水压力监测点布置稀疏，局部损伤引起的渗流通道重构和孔隙水压力重分布难以被捕捉。因此，需要一种高效方法，既能准确识别面板损伤，又能持续评估其对渗流行为和坝坡安全的影响。

现有关于CFRD面板损伤的研究主要集中于裂缝与损伤演化模拟以及渗流异常检测。例如，Wang等[32]通过考虑结构应力和温度应力的数值模拟，分析了公伯峡CFRD裂缝形成的主要原因。Liu等[20]考虑施工质量不确定性引起的堆石料参数随机性，对CFRD施工期面板开裂进行了可靠度分析。Guo等[11]采用自然电位（SP）与电阻率层析成像（ERT）联合方法，对已检测到异常渗漏的大坝中的渗流通道进行了表征。Wen等[34]研究了水库水位波动条件下CFRD面板的累积损伤。尽管这些研究从结构力学分析、可靠度评估和渗流异常检测等多个角度提供了有价值的见解，但大多集中于裂缝形成机理或渗漏检测。然而，针对影响CFRD安全的关键因素——面板损伤的快速诊断和定量识别研究仍相对有限。

当面板损伤发生时，在高水头条件下坝体内部渗流通道可能发生变化，导致孔隙水压力场重分布并形成局部渗流集中。传统渗流分析方法主要依赖有限元模拟，通过求解控制方程获得坝体内部渗流压力分布和浸润线。Wu等[37]提出了一种将贝叶斯推断与瞬态非饱和渗流模拟相结合的框架，用于评估水库快速降水位期间心墙渗流破坏的概率。Peng等[27]整合了多源监测数据、面板损伤和大坝渗流破坏模式，采用有限元数值模拟计算两种破坏模式的先验失效概率，随后利用贝叶斯网络更新多源监测数据的参数分布并推导后验失效概率，从而建立了CFRD面板损伤的可靠度分析方法。Kalateh和Kheiry[16]通过全面综述2000年至2023年间发表的研究，指出基于有限元模型的渗流场蒙特卡罗模拟仍是堆石坝概率渗流分析中最常用的数学方法。尽管这些方法对渗流机理提供了清晰的物理解释，但在运行风险评估中仍面临显著挑战，包括计算成本高、损伤参数更新滞后以及支持快速决策的能力有限。特别是在面板损伤参数持续演化且水库水位频繁波动的情景下，仅依赖高保真数值模拟难以实现渗流压力场和浸润线的快速预测与实时更新。

随着人工智能的快速发展，机器学习方法因其对高维非线性关系的建模能力，越来越多地被引入渗流分析和坝体安全评估。例如，Chen等[5]通过训练核极限学习机并采用并行多种群Jaya算法优化超参数，开发了用于大坝渗流量安全控制的数据挖掘与监测框架。Liu等[19]引入关注系统特征的注意力机制，提高了模型可解释性，并提出一种混合神经网络模型用于重力坝地震响应的实时预测，以量化水库水位不确定性的影响。Zhang等[48]针对堤坝结构，结合综合特征选择技术和机器学习预测管涌破坏，基于预测精度、计算成本和泛化能力对多个模型进行了评估和选择。Xie等[39]采用机器学习技术建立了水库水位与主要渗流响应之间的映射关系，实现了极端降雨条件下降雨-水库耦合渗流分量的实时动态分离。Ishfaque等[15]强调了在渗流数据分析中考虑历史依赖性的重要性，提出了一种基于循环神经网络的方法用于塔贝拉大坝多位置渗漏预测。

然而，现有关于面板损伤的研究主要集中于裂缝形成或渗漏检测，而对损伤对内部渗流行为影响的研究仍不充分。更重要的是，面板损伤引发的链式过程，即从损伤发生到渗流通道重构，再到应力重分布和坝坡稳定性变化，鲜有系统研究。这一局限性制约了现有方法在工程实践中支持可靠、定量安全评估的能力，特别是在损伤状态演化和监测数据稀疏的条件下。

为解决上述局限，本研究旨在开发一种数据-机理融合框架，用于面板损伤诱导渗流条件下混凝土面板堆石坝（CFRDs）的安全性评估。所提出的框架明确捕捉面板损伤引发的链式过程，将损伤发生与渗流场演化及后续坝坡稳定性响应联系起来。通过将监测数据与数值模拟和机器学习技术相结合，能够在损伤状态演化条件下实现更可靠的坝体安全评估。本研究的主要创新点总结如下：

（1）提出了一种用于面板损伤诱导渗流条件下CFRD安全性评估的数据-机理融合框架。该框架将面板损伤诊断、渗流场重构和坝坡稳定性分析联系起来。建立了坝基渗流压力响应与面板损伤特征之间的非线性映射关系，以实现快速损伤诊断。识别出的损伤位置和程度作为机器学习模型的关键输入，实现面板损伤条件下全场地渗流压力分布和浸润线的重构。映射得到的渗流压力场被纳入CFRD的渗流-应力耦合分析，以评估面板损伤对坝坡稳定性的影响，从而提供更可靠的坝体安全评估。

（2）开发了一种面板损伤条件下CFRD的多点渗流压力预测方法。通过纳入损伤高程、等效渗透系数和水库水位等关键影响因素，建立了损伤参数与内部渗流响应之间的映射关系。为解决渗流通道重构引起的误差异质性分布，引入了一种带有折叠外（OOF）加权策略的考虑不确定性的极端梯度提升（UA-XGBoost）模型，提高了全局渗流场重构的预测精度。

（3）建立了一种面板损伤条件下CFRD的渗流-应力耦合坝坡稳定性分析方法。将重构的渗流压力场纳入应力-渗流耦合分析，以量化面板损伤对应力重分布和大坝变形的影响。随后识别临界滑裂面并计算相应的坝坡安全系数。进一步考虑堆石料参数和水位的随机性，评估坝坡失效概率和可靠度指标，从确定性和概率性两个角度揭示面板损伤引起的渗漏对坝坡稳定性的影响。

章节片段

数据-机理融合方法的总体框架

本研究提出了一种融合面板损伤快速诊断、全场地渗流压力映射和渗流-应力耦合稳定性分析的安全评估框架。该框架旨在解决CFRD运行期间出现的若干关键挑战，其工作流程总结如下：

步骤1：面板损伤信息的快速识别。下游渗流量和坝基渗流压力的监测数据被用作约束条件，以反演估计……

项目概况

为验证所提方法，选取位于中国贵州省锦屏县清水河中下游的三板溪（SBX）水电站作为研究案例（图6(c)）。该工程是一座以发电为主的大型水利水电工程，兼具防洪、航运和梯级调节等综合效益。水库总库容为40.94×10? m3，具有多年调节……

结论

本研究提出了一种融合面板损伤诊断、全场地渗流压力映射和渗流-应力耦合稳定性分析的安全评估框架。该框架利用数据驱动机器学习方法的非线性映射和快速预测能力，同时保留数值模型在分析渗流演化、应力响应和破坏机理方面的机理解释性。为预警和……

未引用文献

[24]

CRediT作者贡献声明

薛江汉：撰写——初稿，方法学，调查，数据管理，概念化。卢翔：撰写——审阅与编辑，方法学，调查，经费获取，概念化。陈建康：监督，项目管理，方法学，概念化。

薛江汉 | 卢翔 | 陈建康