1.本发明属于寒区水利工程管理技术领域，具体涉及寒区闸坝工程安全预警方法及智能监控系统。
背景技术：2.随着极端气候的不断出现和高寒区闸坝的不断新建，寒区闸坝的安全工程安全预警已经成为广大研究者、设计单位以及运行管理人员十分关注的问题。高寒区由于气温变化剧烈，其挡水建筑物更易产生变形，且变形幅度较大，由于气候条件、交通条件恶劣，目前对于高寒区无调节水库既存在预警难也存在人员难以管理，对预警要求高等问题。此外，高寒区也往往是偏远地区恶劣环境，该环境下的挡水建筑物如果所有信息都依赖后方处理，则对现场与后方通信网络环境依赖性够高，难以适应偏远地区闸坝安全管理要求和发展趋势，更无法做到实时预警。
技术实现要素：3.针对目前现有技术中存在问题，本发明公开了一种寒区闸坝工程安全预警方法及智能监控系统。
4.为达到上述目的，本发明的技术方案如下：
5.寒区闸坝工程安全预警方法，包括如下步骤：
6.步骤1、收集坝区气温、冰厚、水位、变形实测资料，形成多样本时间序列数据；进行样本测值相关性检验和分布检验；当样本数量不够上述检验要求时，采用以测点测值影响因素为输入、实测有限样本为真值的生成式对抗网络timegan模型对样本进行生成补充，直至满足样本数要求；
7.步骤2、选取冰厚实测数据，通过与设计荷载所选定的冰厚对比，大于设计冰厚的冰厚即为厚冰极值序列；当设计未考虑冰荷载时则将所有冰厚大于0的实测数据都做为极值，从而得到冰厚极值序列；根据实测数据计算平均水位，将设计水位作为高水位阈值，大于设计选定的水位值即认定为高水位，从而得到高水位极值序列；当无连续冰厚实测数据时根据气温数据利用经验公式计算得到冰厚数据；
8.步骤3、根据步骤2得到的冰厚极值序列和高水位极值序列两组极值序列，根据步骤1检验结果采用相应的概率密度估计方法得到其各自的概率密度函数，并进行拟合优度检验直到通过检验为止；
9.步骤4、冰厚－水位联合分布概率函数获取；采用二元copula函数确定作用在闸坝上的冰厚与水位的联合概率分布；联合概率分布copula函数形式根据变量之间的相关性和正态性检验确定，对于恶劣条件下水位和冰厚存在正相关，选用gumbel-hougarard copula函数，由kendall秩相关系数推求函数系数；
10.步骤5、采用闸坝工程设计洪水重现期的倒数确定为临界概率，洪水重现期时间单位为年，根据步骤4确定的联合概率密度函数，根据工程运行寿命期内可能的极大冰厚和水
位计算大冰厚－高水位联合概率密度函数是否大于临界概率；如不大于临界概率则继续收集资料返回步骤1，否则进行下一步；
11.步骤6、当存在结构安全风险后则需要进行结构强度、渗流和变形响应等监测项目及其测点的完备性检查；当监测项目和测点完备时，在云端计算中心先采用生成式对抗网络timegan模型结合趋势变化、超预测值置信度法或数值计算临界值法进行单测点预警，其中timegan模型的输出为测点实测闸坝结构响应信息，输入为对应荷载信息，包括风向、风力、冰厚、水压、温度、时间、雪荷载等；然后再采用生成式对抗网络mad-gan进行分坝段最后整个坝体的多监测项目多测点局部和整个闸坝的预警，其中mad-gan的输入为多个测点的实测响应值，输出为结构分坝段/闸坝整体安全的判断；
12.当监测结构响应的项目不完备时，则进行下一步；
13.步骤7、根据闸坝材料和结构类型选择相应的考虑冻胀的水－热－力耦合模型，该模型考虑冰胀和相变对闸坝及其基础应力和变形的影响；水热力耦合模型包括：伴随相变的非稳态热传导方程，用显热容法模型描述相变；水分迁移控制方程采用质量守恒的流体连续方程结合带启动压力梯度的饱和－非饱和forchheimer渗透定律结合温度梯度水分扩散率及含冰量确定；材料应变考虑温度、湿度应力应变和徐变；本构模型采用分数阶本构模型；材料屈服准则采用三剪强度准则，裂缝开裂采用应变能释放率准则；结合整体平衡方法即得到水－热－力耦合模型；荷载条件根据感知系统实测数据计入气温水温、冰厚、风向风速、雪厚及其分布，数值模拟计算时输入上/下游库水表层冰压力、下层水压力、泥沙压力，同时考虑坝体本身的温度应力和水冰相变作用以及冻胀力体积力；根据材料强度准则、渗透破坏准则以及整体屈服稳定准则进行闸坝的局部和整体安全预警；同时将计算获得的临界状态的变形值、渗透压力值部署到边缘端，作为预警指标，将计算过程中获得的样本用于边缘端概率统计检验的样本增强。
14.进一步的，所述步骤2中，冰厚度计算采用以下公式：
[0015][0016]
式中，h为冰厚；i为冻冰度日；a为不同条件下的经验值；无雪覆盖、有风吹的湖冰冰盖时a＝2.7cm/℃
·
d，无雪覆盖的湖冰冰盖时a＝1.7～2.4cm/℃
·
d，有雪覆盖的湖冰冰盖时a＝1.4～1.7cm/℃
·
d。
[0017]
对于气温变化频繁地区的闸坝采用以下公式：
[0018][0019]
式中a(t)为一个与温度有关的变量。
[0020]
进一步的，当无实测闸坝坝址气温实测数据时，采用气象部门气温数据插值得到气温。
[0021]
进一步的，所述timegan和mad-gan模型中的生成式网络采用带注意力机制的扩展递归神经网络adrnn。
[0022]
进一步的，所述步骤1-4在现场通过现场边缘计算完成。
[0023]
进一步的，所述步骤5-7通过云端计算中心完成。
[0024]
本发明还提供了寒区闸坝工程安全智能监控系统，包括：传感器、现场计算设备、边缘计算网关、后方服务器，传感器采集数据，多个现场计算设备组成现场边缘计算网络，
分别接入各传感器并现场存储相关数据；现场边缘计算网络完成数据误差识别处理和计算分析，根据云计算中心下达的最新预警指标进行对比预警，并将预警结果上传云端计算中心或相关授权节点；边缘计算网关将各个边缘端现场计算设备的数据汇集，处理后上传云端计算中心；云端计算中心收集多个边缘网关信息，采用多场耦合数值分析有限元、模型修正及数据同化、参数反演，通过计算获取结构破坏临界点的变形、渗流和应力应变作为单点、局部或整体预警指标，以作为边缘部分进行数据合理性分析依据。
[0025]
进一步的，传感器包括：设置在挡水建筑物现场的若干气温风速传感器、雨雪量传感器、水位传感器、水温传感器、冰层厚度传感器、应变传感器、测缝传感器、测斜传感器、坝体温度传感器、渗透压力传感器；气温风速传感器在挡水建筑物现场进行风力大小及方向和温度采集后通过无线或有线组网存储至嵌入式现场计算存储设备；雨雪量传感器用于采集雨量及雪厚载荷后通过无线或有线组网存储至嵌入式现场计算存储设备；水位、水温传感器用于获得冰层以及水体的竖直方向的水位及温度分布，冰厚计用于测量冰的实时厚度，应变传感器、测缝传感器、测斜传感器在挡水建筑物现场进行形变渗流监测、测量闸坝结构在水平x、y方向的倾斜角度和位移，采集数据通过zigbee或有线组网存储至嵌入式现场计算存储设备；坝体温度传感器用于获取闸坝的内部温度分布，渗透压力传感器用于获取尚未结冰情况下的内部的渗透压力。
[0026]
本发明的有益效果为：
[0027]
1.本发明采用端－边－云协同预警架构，由智能传感器采用压缩感知进行闸坝环境荷载和结构响应要素数据采集，边缘服务器经过去噪、特征提取或物理量计算转换上传至云端计算中心，中心根据汇总信息进行智能判别或基于实测信息的多场耦合计算分析，其中智能判别采用基于时间序列的生成式对抗网络mad-gan模型,多场耦合分析采用考虑温度、风和冰雪荷载的热－固－液耦合模型结合强度和稳定屈服准则进行，并通过模态识别，将敏感和重要预警指标通过定期更新部署到边缘端，从而便于边缘快速预警，从而提升闸坝安全监测及预警智能化水平。采用本发明技术可弥补传统机房中心及云计算模式的不足，避免对网络环境的过度依赖，并保证紧急情况的及时响应及安全预警。本发明创新性和实用性突出，具有良好转化推广应用潜力。
[0028]
2.数据采集上传过程中经过了两次压缩处理，大大缓解了与云端计算中心通信信道带宽窄的问题，同时将预警由后方服务器端迁移至邻近数据发生地的嵌入式设备中能够大大提升预警的实时性。
附图说明
[0029]
图1为实现本发明提供的寒区闸坝工程安全智能监控系统的边缘计算框架。
[0030]
图2为本发明系统硬件结构示意图。
[0031]
图3为边缘计算框架下的数据采集处理流程示意图。
[0032]
图4为本发明提供的寒区闸坝工程安全预警方法流程图。
[0033]
图5为带注意力机制的扩展递归神经网络adrnn架构图。
具体实施方式
[0034]
以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体
实施方式仅用于说明本发明而不用于限制本发明的范围。
[0035]
本发明提供的寒区闸坝工程安全预警方法，流程如图4所示，包括如下步骤：
[0036]
步骤1、坝区气温、冰厚、水位、变形实测资料收集，形成多样本时间序列数据。采集最近五年挡水建筑物/坝区实测气温、冰厚、坝上下游水位以及测点变形值。这些数值应预先采用各类传感器(气温风速传感器、雨雪量传感器、水位传感器、冰层厚度传感器、变形监测设备如坐标仪、测斜仪等)进行实测收集、记录。当新建挡水建筑物资料时长不够五年时，则收集全部时长实测资料并插值延长至五年。进行样本测值相关性检验和分布检验，当样本数量不够上述检验要求时采用以测点测值影响因素为输入、实测有限样本为真值的生成式对抗网络timegan模型对样本进行生成补充，直到满足下面步骤需要的样本数为止；其中timegan模型生成式网络采用带注意力机制的扩展递归神经网络adrnn。此步骤生成式网络模型的训练在后方云端计算中心完成，并定期更新部署在边缘端，其余部分由边缘端完成。
[0037]
带注意力机制的扩展递归神经网络adrnn架构如图5所示，图中主要参数通过下式计算：
[0038]ft
＝σ(wfx
t
+vfh
t-1
+ufh
t-d
+bf)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(3)
[0039]ut
＝σ(wux
t
+v
uht-1
+u
uht-d
+bu)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(4)
[0040]ot
＝σ(wox
t
+v
oht-1
+u
oht-d
+bo)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式(5)
[0041][0042]
其中下标t表示时间步长；σ表示逻辑sigmoid函数；x
t
是输入向量；h
t-1
和h
t-d
是最近的和延迟的控制状态；d》1是膨胀；w、v和u是权重矩阵；b是偏置向量，o
t
是输出向量。
[0043]
c状态是根据最近的(c
t-1
)、延迟的(c
t-d
)和候选状态计算的，如下所示：
[0044][0045]
其中表示hadamard乘积(元素乘积)
[0046]
请注意，c-state是过去c-states和新候选状态的加权组合。融合向量f
t
决定了最近和延迟的c-states的混合比例，而更新向量u
t
决定了新旧信息在结果c状态中的份额。
[0047]
基于状态c
t
，图5所示单元的输出向量h
t
和y
t
(或m
t
)确定如下：
[0048][0049][0050]
其中sy，sh，sm和sq分别表示向量y
t
，m
t
和的长度(在我们的实现中sh和sq是相同的)。在本发明中应用时，网络结构和参数根据需要设置。
[0051]
步骤2、选取冰厚实测数据，通过与设计荷载对比的冰厚对比，大于设计冰厚时的冰厚即为厚冰极值序列；当设计未考虑冰荷载时则将所有冰厚大于0的实测数据都做为极值，从而得到厚冰极值序列。根据实测数据计算平均水位，将设计水位作为高水位阈值，大于设计选定的水位值即认定为高水位，从而得到高水位极值序列；当无连续冰厚实测数据时采用气温数据计算得到(无实测当地气温实测数据可以采用气象部门气温数据插值得到)冰厚数据。冰厚信息可采用以下公式对冰盖变化进行推算：
[0052]
[0053]
式中，h为冰厚；i为冻冰度日；a为不同条件下的经验值。
[0054]
冰盖形成初期，增厚较快，a值较小；冰盖形成后期，a值较大；有积雪覆盖，a值较小；无积雪覆盖，a值较大。无雪覆盖、有风吹的湖冰冰盖时a＝2.7cm/℃
·
d，无雪覆盖的湖冰冰盖时a＝1.7～2.4cm/℃
·
d，有雪覆盖的湖冰冰盖时a＝1.4～1.7cm/℃
·
d。
[0055]
对于温度变化频繁地区的闸坝采用以下公式：
[0056][0057]
a(t)为一个与温度有关的变量。此步骤由现地边缘计算完成。
[0058]
步骤3、根据步骤2得到的冰厚极值序列和高水位极值序列两组极值序列，根据步骤1检验结果采用核密度估计方法得到其各自的概率密度函数，并通过拟合优度检验直到通过检验为止，如果通不过时调整参数使其通过。此步骤由现地边缘计算完成。
[0059]
步骤4、冰厚－水位联合分布概率函数获取：采用二元copula函数确定作用在闸坝上的冰厚与水位的联合概率分布；联合概率分布copula函数形式根据变量之间的相关性和正态性检验确定，对于恶劣条件下水位和冰厚存在正相关，选用gumbel-hougarard copula函数，由kendall秩相关系数推求函数系数。此步骤由现地边缘计算完成。
[0060]
步骤5、采用闸坝工程设计洪水重现期(年)的倒数确定为临界概率，根据步骤4确定的联合概率密度函数，根据工程运行寿命期内可能的极大冰厚和水位计算大冰厚－高水位联合概率密度函数是否大于临界概率。如不大于临界概率则继续收集资料返回步骤1，否则进入下一步步骤。此步由后方云端计算中心完成。
[0061]
步骤6、当存在结构安全风险后则需要进行结构强度、渗流和变形响应等监测项目及其测点的完备性检查，完备性检查根据《大坝安全监测系统鉴定技术规范》(sl766-2018)规范确定。
[0062]
当监测项目和测点完备时候，先采用生成式对抗网络timegan模型结合趋势变化、超预测值置信度法或数值计算临界值法进行单测点预警，其中timegan模型的输出为测点实测闸坝结构响应信息，输入为对应荷载信息，包括风向、风力、冰厚、水压、温度、时间、雨雪荷载等；然后再采用生成式对抗网络mad-gan进行分坝段最后整个坝体的多监测项目多测点局部和整个闸坝的预警，其中mad-gan的输入为多个测点的实测响应值，输出为结构分坝段/闸坝整体安全的判断；其中timegan和mad-gan模型中的生成式网络采用带注意力机制的扩展递归神经网络adrnn。根据《大坝安全监测系统鉴定技术规范》(sl766-2018)判断当监测结构响应的项目不完备时候，则转入下一步；若当前结构响应的项目完备则无需进行数值模拟。此步由后方云端计算中心完成，并经过专家对计算结果进行有效性确认。
[0063]
步骤7、根据闸坝材料和结构类型选择相应的考虑冻胀的水－热－力耦合模型，该模型考虑冰胀和相变对闸坝及其基础应力和变形的影响；水热力耦合模型包括：伴随相变的非稳态热传导方程，用显热容法(固相增量法)模型描述相变；水分迁移控制方程采用质量守恒的流体连续方程结合带启动压力梯度的饱和－非饱和forchheimer渗透定律结合温度梯度水分扩散率及含冰量确定；材料应变考虑温度、湿度应力应变和徐变；本构模型采用分数阶本构模型；材料屈服准则采用三剪强度准则，裂缝开裂采用应变能释放率准则；结合整体平衡方法即得到水－热－力耦合模型。荷载条件根据感知系统实测数据计入气温水温、冰厚、风向风速、雪厚及其分布，数值模拟计算时输入上/下游库水表层冰压力、下层水压力、泥沙压力，同时考虑坝体本身的温度应力和水冰相变作用以及冻胀力体积力；根据材
料强度准则、渗透破坏准则以及整体屈服稳定准则进行闸坝的局部和整体安全预警。同时将计算获得的临界状态的变形值、渗透压力值部署到边缘端，作为预警指标。将计算过程中获得的样本用于边缘端概率统计检验的样本增强。此步由后方云端计算中心完成，并经过专家对计算结果进行有效性确认。
[0064]
具体的，本例采用的水－热－力耦合模型方程组如下：
[0065][0066]
上式方程组分别为伴随相变的非稳态热传导方程和水分迁移控制方程。式中t为物体的瞬态温度(℃)；t为时间(s)，k为材料的导热系数(w/(m
·
℃))，ρ为材料的密度(kg/m3)，c
p
为材料的定压比热(j/(kg
·
℃))，qv为材料的内热源强度(w/m3)，fs为该节点的固相率，l为土冻结或融化相变潜热(j/kg)，x、y为直角坐标(m)，θ为未冻水体积含量，d(θ)为材料中水分扩散系数(cm2/s)，d
t
为温度梯度水分扩散率，k(θ)为材料的导水率(cm/s)。非稳态热传导方程用显热容法模型描述相变，水分迁移控制方程采用质量守恒的流体连续方程结合带启动压力梯度的饱和－非饱和forchheimer渗透定律结合温度梯度水分扩散率及含冰量确定。
[0067]
流体连续性方程
[0068][0069]
表示质量守恒关系，式中ρ为流体密度，v为流场中流速。
[0070]
forchheimer渗透定律
[0071][0072]
j为水力坡度，a1和a2分别是与渗透介质与流体有关的经验参数，v为渗流速度。式中a2＝0即降阶为达西定律，为压力梯度，λ为启动压力梯度。
[0073]
本发明设计了寒区闸坝工程安全智能监控系统，基于如图1所示的边缘计算框架，包括设置在现地的边缘端设备和设置在后方的云端计算中心，通过边缘端进行数据采集、简单计算和预警比较，将提取、降维或压缩的实测数据通过有限带宽窄带通信上传至云端计算中心处理。云端计算中心处理收集的多个网关节点信息，依靠强大的计算服务能力，采用多场耦合数值分析有限元、模型修正及数据同化、参数反演算法等，通过计算获取结构破坏临界点的变形、渗流和应力应变作为单点、局部或整体预警指标，并将拟定好的预警指标下发至边缘网关，具体实现预警方法中步骤5～7。边缘网关设备(即边缘端设备，包括传感器等)根据预警指标边缘端完成现地预警或测值合理性检验，具体实现预警方法中步骤1～4，并将结果实时发送到相关节点或终端，从而提升闸坝安全监测及预警智能化水平。该方法可弥补传统机房中心及云计算模式的不足，避免对网络环境的过度依赖，并保证紧急情况的及时响应及安全预警。
[0074]
本发明系统硬件结构如图2所示，包括传感器、现场计算设备、边缘计算网关、后方
服务器以及通信网络。本例中挡水建筑物为水坝。多个嵌入式现场计算设备组成现场边缘计算网络，分别接入各种必要的传感器(如气温计、激光风速计、称重式雨雪量计、压力水位计、冰层厚度传感器、能够测量结构变形的坐标仪、测斜仪、倾斜仪、水温计、坝体温度计、渗透压力传感器)并现场存储相关数据。通过嵌入式系统完成数据误差识别处理和计算分析，在此基础上根据云端计算中心下达的最新预警指标进行对比预警，并将预警结果上传云端计算中心或相关授权节点(包括移动终端)。嵌入式系统以嵌入式处理器为核心，为适应长期野外水利工作环境，进行防水、防潮和宽温变等工艺设计。普通商用嵌入式设备其正常工作温度为-20℃到+70℃，考虑到现场极端温度情况，选用正常工作温度为-40℃到+85℃的工业级嵌入式设备，采用imax6q四核工业级开发板为载体连接传感器，并将传感器感知的物理信息转变为数据存储。cortex-a9四核处理器基于arm架构，搭载8gb emmc本地存储，配备1gb ddr3内存，存储速度快，提供多种接口用以连接外围设备。此外，在嵌入式设备上加入蓝牙通信模块，实现现场定期数据转储。由于不同类别传感器部署环境不同，单一通信协议难以适应实际需求，因此，在通信方式选择上，坝区通信距离远的气温等数据测量选择lora通信方式，坝外水位等通信距离稍近的数据收集采用成本更低的zigbee通信方式，坝体廊道内形变渗流监测则采用速度更快可靠性更高的mesh组网方式，共享所有节点资源。具体的，系统中传感器包括设置在挡水建筑物现场的若干气温风速传感器、雨雪量传感器、水位传感器、水温传感器、冰层厚度传感器、应变传感器、测缝传感器、测斜传感器、坝体温度传感器、渗透压力传感器；气温风速传感器在挡水建筑物现场进行风力大小及方向和温度采集后通过lora/有线组网存储至嵌入式现场计算存储设备；雨雪量传感器用于采集雨量及雪厚载荷后通过lora/有线组网存储至嵌入式现场计算存储设备；水位、水温传感器用于获得冰层以及水体的竖直方向的水位及温度分布，冰厚计用于测量冰的实时厚度，通过zigbee/有线组网存储至嵌入式现场计算存储设备，应变传感器、测缝传感器、测斜传感器在挡水建筑物现场进行形变渗流监测、测量闸坝结构在水平x、y方向的倾斜角度和位移，采集数据通过zigbee或有线组网存储至嵌入式现场计算存储设备；坝体温度传感器用于获取闸坝的内部温度分布，渗透压力传感器用于获取尚未结冰情况下的内部的渗透压力，实现数据的实时采集，参见附图2。以上传感器当数据异常时均可进行实时预警。
[0075]
边缘端嵌入式设备中安装ubuntu系统调度硬件资源，基于linux内核，提供丰富的基础功能及可复用接口。现场嵌入式数据存储使用轻量化splite3数据库，运行空间小，适用c语言代码控制，并使用source insight编辑器进行代码编写。将代码迁移至ubuntu系统相应目录下交叉编译，最终通过nfs网络共享方法将可执行文件下载到嵌入式设备中，根据调度进行多任务并行运算。
[0076]
边缘计算网关将各个边缘端现场计算设备的数据汇集，简单处理并上传云端计算中心。与嵌入式现场计算存储设备直接连接大坝现场监测仪器不同，边缘计算网关并不直接作用于监测仪器，而是通过无线接口连接由嵌入式现场计算存储设备组成的无线传感网络。通过不同网络协议接口连接对应的传感器网络，汇集预警信息并汇总上报。使用民用三级北斗通讯卡，通过北斗短报文系统向后方云端计算中心反馈预警信息，为大坝安全管理决策提供依据。边缘计算网关核心计算模块使用与嵌入式现场计算存储设备相同的配置，但其拥有更多的通信接口用于连接不同网络。
[0077]
后方服务器选用dell t40服务器，其具有intel i3-9100四核64位处理器、8gb内
存。centos7操作系统同样基于linux内核，其支持的应用虚拟化技术可以将应用程序与操作系统完全隔离，生命周期更长更稳定。存储通过安装mysql数据库，存储各个边缘节点部署参数与接收到的历史信息，mysql数据库服务使用方便、性能稳定且提供日志服务，其支持多个操作系统可迁移性能强，为多种编程语言提供了api。在服务器上加入python编译环境，使用python3语言在pycharm开发工具上编写脚本与数据库交互，安装mysql包连接至数据库，通过sql语句按照规律，将北斗短报文系统接收到的汇总预警信息插入历史数据库中。mysql数据库中为每个采集节点设置一个主键，通过自然联结查询建立数据表，结合数据库中现场嵌入式设备部署位置信息，可以查询到某具体区域的历史预警信息。系统具体设备参数如表1所示。
[0078]
表1硬件设备清单与关键技术参数
[0079][0080]
图3为边缘计算框架下的数据采集处理流程。采集数据的第一次处理在边缘端嵌入式现场处理设备，滤除监测仪器噪声和采集到的异常数值，进行简单分析计算，设定预警模型实时预警；第二次处理在边缘端边缘计算网关，汇聚压缩来自多个嵌入式现场处理设备的关键信息，按照次序通过信道速率极低的卫星或4g/5g等公网通信上传后方云端计算中心。后方云端计算中心根据汇总信息进行有限元分析等计算，将预警指标通过边缘计算网关分发至边缘端嵌入式现场处理设备，细化预警模型提升预警精度。
[0081]
数据采集上传过程中经过了两次压缩处理，大大缓解了与后方云端计算中心通信信道带宽窄的问题，同时将预警由后方服务器端迁移至邻近数据发生地的嵌入式设备中能够大大提升预警的实时性。实测数据边缘计算算法采用适合嵌入式系统的c语言编程，经室内调试考核合格后部署到前端嵌入式系统内部，同时前端设备运行前将设备硬软件自检信息存储到当地存储器，并在检测到通讯带宽满足要求或在链路空闲时，发送至水库管理中
心或主管/相关单位云服务器。水库管理中心位于边缘端与主管/相关单位云端计算中心之间，与南京云端计算中心有运营商宽带公网连接，与边缘端通过lora通信或有线方式连接，其作用于边缘计算网络维护及数据转储、险情溯源。监测现场和后方云端计算中心之间只需带宽较低的北斗短报文也能满足双向交互的要求，适应恶劣的边远山区无公网宽带等情况，也是当宽带公网被干扰破坏时的环境下应用。
[0082]
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。
技术特征：1.寒区闸坝工程安全预警方法，其特征在于，包括如下步骤：步骤1、收集坝区气温、冰厚、水位、变形实测资料，形成多样本时间序列数据；进行样本测值相关性检验和分布检验；当样本数量不够上述检验要求时，采用以测点测值影响因素为输入、实测有限样本为真值的生成式对抗网络timegan模型对样本进行生成补充，直至满足样本数要求；步骤2、选取冰厚实测数据，通过与设计荷载所选定的冰厚对比，大于设计冰厚的冰厚即为厚冰极值序列；当设计未考虑冰荷载时则将所有冰厚大于0的实测数据都做为极值，从而得到冰厚极值序列；根据实测数据计算平均水位，将设计水位作为高水位阈值，大于设计选定的水位值即认定为高水位，从而得到高水位极值序列；当无连续冰厚实测数据时根据气温数据利用经验公式计算得到冰厚数据；步骤3、根据步骤2得到的冰厚极值序列和高水位极值序列两组极值序列，根据步骤1检验结果采用相应的概率密度估计方法得到其各自的概率密度函数，并进行拟合优度检验直到通过检验为止；步骤4、冰厚－水位联合分布概率函数获取；采用二元copula函数确定作用在闸坝上的冰厚与水位的联合概率分布；联合概率分布copula函数形式根据变量之间的相关性和正态性检验确定，对于恶劣条件下水位和冰厚存在正相关，选用gumbel-hougarard copula函数，由kendall秩相关系数推求函数系数；步骤5、采用闸坝工程设计洪水重现期的倒数确定为临界概率，洪水重现期时间单位为年，根据步骤4确定的联合概率密度函数，根据工程运行寿命期内可能的极大冰厚和水位计算大冰厚－高水位联合概率密度函数是否大于临界概率；如不大于临界概率则继续收集资料返回步骤1，否则进行下一步；步骤6、当存在结构安全风险后则需要进行结构强度、渗流和变形响应等监测项目及其测点的完备性检查；当监测项目和测点完备时，先采用生成式对抗网络timegan模型结合趋势变化、超预测值置信度法或数值计算临界值法进行单测点预警，其中timegan模型的输出为测点实测闸坝结构响应信息，输入为对应荷载信息，包括风向、风力、冰厚、水压、温度、时间、雪荷载等；然后再采用生成式对抗网络mad-gan进行分坝段最后整个坝体的多监测项目多测点局部和整个闸坝的预警，其中mad-gan的输入为多个测点的实测响应值，输出为结构分坝段/闸坝整体安全的判断；当监测结构响应的项目不完备时，则进行下一步；步骤7、根据闸坝材料和结构类型选择相应的考虑冻胀的水－热－力耦合模型，该模型考虑冰胀和相变对闸坝及其基础应力和变形的影响；水热力耦合模型包括：伴随相变的非稳态热传导方程，用显热容法模型描述相变；水分迁移控制方程采用质量守恒的流体连续方程结合带启动压力梯度的饱和－非饱和forchheimer渗透定律结合温度梯度水分扩散率及含冰量确定；材料应变考虑温度、湿度、应力应变和徐变；本构模型采用分数阶本构模型；材料屈服准则采用三剪强度准则，裂缝开裂采用应变能释放率准则；结合整体平衡方法即得到水－热－力耦合模型；荷载条件根据感知系统实测资料计入气温水温、冰厚、风向风速、雪厚及其分布，数值模拟计算时输入上/下游库水表层冰压力、下层水压力、泥沙压力，同时考虑坝体本身的温度应力和水冰相变作用以及冻胀力体积力；根据材料强度准则、渗透破坏准则以及整体屈服稳定准则进行闸坝的局部和整体安全预警；同时将计算获得的临
界状态的变形值、渗透压力值部署到边缘端，作为预警指标，将计算过程中获得的样本用于边缘端概率统计检验的样本增强。2.根据权利要求1所述的寒区闸坝工程安全预警方法，其特征在于，所述步骤2中，冰厚度计算采用以下公式：式中，h为冰厚；i为冻冰度日；a为不同条件下的经验值；无雪覆盖、有风吹的湖冰冰盖时a＝2.7cm/℃
·
d，无雪覆盖的湖冰冰盖时a＝1.7～2.4cm/℃
·
d，有雪覆盖的湖冰冰盖时a＝1.4～1.7cm/℃
·
d；对于温度变化频繁地区的闸坝采用以下公式：式中a(t)为一个与温度有关的变量。3.根据权利要求2所述的寒区闸坝工程安全预警方法，其特征在于，当无实测当地气温实测数据时，采用气象部门气温数据插值得到气温。4.根据权利要求1所述的寒区闸坝工程安全预警方法，其特征在于，所述timegan和mad-gan模型中的生成式网络采用带注意力机制的扩展递归神经网络adrnn。5.根据权利要求1所述的寒区闸坝工程安全预警方法，其特征在于，所述步骤1～4在现场通过现场边缘计算完成，其中生成式网络模型训练在云端计算中心完成。6.根据权利要求1所述的寒区闸坝工程安全预警方法，其特征在于，所述步骤5～7通过云端计算中心完成。7.寒区闸坝工程安全智能监控系统，其特征在于，用于实现权利要求1～6中任意一项所述的寒区闸坝工程安全预警方法，包括：传感器、现场计算设备、边缘计算网关、后方服务器，传感器采集数据，多个现场计算设备组成现场边缘计算网络，分别接入各传感器并现场存储相关数据；现场边缘计算网络完成数据误差识别处理和计算分析，根据云端计算中心下达的最新预警指标进行对比预警，并将预警结果上传云端计算中心或相关授权节点；边缘计算网关将各个边缘端现场计算设备的数据汇集，处理后上传云端计算中心；云端计算中心处理收集的多个边缘网关信息，采用多场耦合数值分析有限元、模型修正及数据同化、参数反演，通过计算获取结构破坏临界点的变形、渗流和应力应变作为单点、局部或整体预警指标，以作为边缘部分进行数据合理性分析依据。8.根据权利要求7所述的寒区闸坝工程安全智能监控系统，其特征在于，所述传感器包括：设置在挡水建筑物现场的若干气温风速传感器、雨雪量传感器、水位传感器、水温传感器、冰层厚度传感器、应变传感器、测缝传感器、测斜传感器、坝体温度传感器、渗透压力传感器；气温风速传感器在挡水建筑物现场进行风力大小及方向和温度采集后通过无线或有线组网存储至嵌入式现场计算存储设备；雨雪量传感器用于采集雨雪载荷后通过无线或有线组网存储至嵌入式现场计算存储设备；水位、水温传感器用于获得冰层以及水体的竖直方向的水位及温度分布，冰厚计用于测量冰的实时厚度，应变传感器、测缝传感器、测斜传感器在挡水建筑物现场进行形变渗流监测、测量闸坝结构在水平x、y方向的倾斜角度和位移，采集数据通过zigbee或有线组网存储至嵌入式现场计算存储设备；坝体温度传感器用于获取闸坝的内部温度分布，渗透压力传感器用于获取尚未结冰情况下的内部的渗透压力。
技术总结本发明公开了寒区闸坝工程安全预警方法及智能监控系统，采用端－边－云协同架构，由智能传感器采用压缩感知技术感知闸坝荷载和结构响应信息，经边缘服务器去噪、特征提取、物理量计算转换和现地判别等过程上传至云端计算中心，计算中心采用多源信息融合进行智能判别或基于模型修正的多场耦合数值模拟，其中智能综合判别采用TimeGAN和MAD-GAN模型进行；数值模拟采用水、温度、风雨和冰雪荷载的水－热－力多场耦合模型。系统和模型稳定后通过运行工况识别，将预警指标、约束条件和增强样本定期更新部署到边缘端，从而便于边缘端采用相关数据和TimeGAN等模型快速预警。本发明创新性和实用性突出，具有良好转化推广应用潜力。具有良好转化推广应用潜力。具有良好转化推广应用潜力。
技术研发人员：方卫华 张慧 徐孟启 王江燕 王健健
受保护的技术使用者：水利部南京水利水文自动化研究所
技术研发日：2022.07.01
技术公布日：2022/11/1
