CN114707227A - 一种基于数字孪生的大坝安全预警消警方法及系统 - Google Patents

一种基于数字孪生的大坝安全预警消警方法及系统 Download PDF

Info

Publication number
CN114707227A
CN114707227A CN202210457462.0A CN202210457462A CN114707227A CN 114707227 A CN114707227 A CN 114707227A CN 202210457462 A CN202210457462 A CN 202210457462A CN 114707227 A CN114707227 A CN 114707227A
Authority
CN
China
Prior art keywords
dam
model
data
safety
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210457462.0A
Other languages
English (en)
Other versions
CN114707227B (zh
Inventor
方卫华
王润英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Original Assignee
Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources filed Critical Nanjing Water Conservancy and Hydrology Automatization Institute Ministry of Water Resources
Priority to CN202210457462.0A priority Critical patent/CN114707227B/zh
Publication of CN114707227A publication Critical patent/CN114707227A/zh
Application granted granted Critical
Publication of CN114707227B publication Critical patent/CN114707227B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于数字孪生的大坝安全预警消警方法及系统，包括如下步骤：通过自适应数值模拟、综合评估模型、动态递推数据驱动模型、在线数据同化模型、异常诊断推理模型、行为理解模型、实景与XR模型、数据与机理混合驱动控制模型构建与客观物理大坝安全性态相同、影响因素一致、可测响应等同、多维场景保真的数字孪生大坝；通过数字孪生大坝对客观物理大坝进行信息感知和优化、信息异常诊断、结构安全与系统工作状态在线评估、大坝安全状态精准预报、失事后果有效预警、大坝安全状态合理调控以及后续措施建议针对性推荐。本发明体系完整、创新型和实用性突出，具有良好推广应用价值。

Description

一种基于数字孪生的大坝安全预警消警方法及系统
技术领域
本发明涉及一种基于数字孪生的大坝安全预警消警方法及系统，属于智慧水利技术领域。
背景技术
数字孪生是在虚拟空间针对具体对象建立具有特定目的的仿真模型，既不是针对实际物理对象或过程的一个简单的素描、照片或影像，也不是包罗一切的真实物理对象的全要素的简单集合，而是针对具体目标和精准刻画某一或几个方面特性的、同步映射实际物理对象的高保真模型。模型与真实物理工程、场景和过程具有高度一致性、易于理解的直观性和方便的交互性。
但目前数字孪生主要针对制造或建造过程，针对具体工程运行管理，尤其是针对工程安全运行时的感知、管理和危险处理的数字孪生还存在概念不明、技术不清和方法缺失问题，无法同步实时反映和及时预测大坝安全状态，从而无法对大坝下一步运行做出最优决策。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于数字孪生的大坝预警消警方法及系统，解决现有技术中数字孪生大坝建立时存在的仅仅侧重三维可视化而忽视力学演化机理和高效决策等问题。
为达到上述目的，一方面，本发明提供一种基于数字孪生的大坝安全预警消警方法，包括如下步骤：
基于客观物理大坝，通过自适应数值模拟、综合评估模型、动态递推数据驱动、在线数据同化模型、异常诊断推理、行为理解、实景与XR模型、数据与机理驱动控制模型构建与物理大坝安全性态相同、影响因素一致、可测响应同步、多维场景逼真的数字孪生大坝；
通过数字孪生大坝对客观物理大坝进行可视化和便捷化的信息异常感知和诊断、结构安全与系统工作状态在线评估、大坝安全状态精准预报和失事后果的预警，并依据预警数据提出用于消警的水位控制建议、抗震控制建议和除险加固建议。
进一步地，构建数字大坝的方法包括：
获取大坝有关工程安全的信息并进行对比分析，依据损伤老化分析、不利工况试算、工程类对、隐患演化结合人机交互求解大坝可能失事模式和失效路径；
依据大坝可能失事模式和失效路径确定模型种类，模型种类用于描述大坝的失效模式、失效过程和后果，所述模型种类包括工程安全分析与可靠度评估模型、预测预警与后果推演模型、人机交互模型以及可靠高效控制模型；
根据逻辑严密程度分析、对物理大坝实际的描述能力、假设的合理性和已推广应用情况判别建模理论是否成熟：
若建模理论成熟，则根据方法与模型对具体大坝的针对性、匹配性结合推荐算法和专家经验，初步选择相应的算法，通过实际计算结果从计算精确度、收敛稳定性和鲁棒性等方面确定相应的理论方法，并根据相应的理论方法构建相应的数值模型和深度学习预处理模型；
方法选择及确定是指针对上一步所确定的模型种类寻找相匹配的自适应鲁棒自动求解方法，包括偏微分方程组的求解方法、非参数和半参数模型的建立方法、参数模型的参数估计方法和深度学习方法；
所述偏微分方程组的求解方法包括等价形式和数值离散方法，所述等价形式包括变分形式和积分形式；所述数值离散方法包括有限差分法、有限元法、边界元法、无限元法、有限体积法、无网格法、不连续变形分析、自然单元法以及以上方法的组合与改进方法；所述组合包括多种网格组合的子结构法和区域分解法，所述改进包括多重网格法、分层基法、BPX法，同时选用等几何分析法用于减少边界离散误差，选用依赖度低的物质点法用于减少对网格性，对应力集中部位采用无网格法离散；离散网格初期根据竣工资料和实测数据完成，离散网格后期根据感知系统测量的大坝结构实际尺寸和材料分区采用动态自适应自动生成；
所述数值离散过程还包括插值方法和检验方法，所述插值方法包括多项式插值法、径向基插值法、小波基及其扩展插值法、高阶插值法、不协调插值法、混合插值法和谱形式插值法，所述离散后的检验算法包括网格无关判别算法、模型稳定性算法和收敛性判别算法；
非参数、半参数和参数模型的选择依据包括样本维数、数量、独立性、平稳性，包括核估计模型、回归模型、灰色模型和相关向量机模型；
所述参数模型的参数估计方法包括整体抗差估计方法、正则化方法和仿生全局优化算法；
所述神经网络架构的确定方法包括经验法、试错法和裁剪法，所述神经网络架构的确定方法的参数求解方法采用误差反向传播算法，所述误差反向传播算法包括梯度下降算法和动量算法；
若建模理论不成熟，则进行知识获取，用于获取新模型，对知识获取获得的新模型针对物理大坝的特征进行条件核对和修正；所述知识获取的方法包括网络爬虫、专家咨询、数据挖掘、知识蒸馏等、图神经网络和知识图谱，所述知识获取方法的选用由人机交互专家进行确认；
分析问题解决模型的定解条件和样本是否满足求解要求：
若满足，则建立情景再现模型、安全分析模型、预测预警模型和人机交互模型的自适应多尺度数值模型、动态递推自适应数据驱动模型、混合驱动数据同化模型、信息融合预警预报模型和虚拟动态三维显示模型；所述自适应数值模型采用hp自适应；
否则，样本数量不足或位置不合理时先进行增强感知，当增强感知所获结果仍然不能满足定解条件需要时则对样本进行增强处理，处理方法包括：通过生成对抗网络、变分方法和扩散模型进行样本生成或样本增强；通过数据同化、分形克里格协同插值计算样本填充；若上述两种增加样本的方法仍不能满足求解或参数估计要求，则采用0样本学习适应无样本情况，采用小样本学习适应少样本情况；采用稀疏建模或贝叶斯建模进行数据驱动建模；采用仿生算法、抗差估计、同伦方法和正则化方法进行参数反演；采用迁移学习、知识蒸馏、模型裁剪等适应不同工况和模型应用场景的变化；
结构化实测数据、数值模拟计算结果以及预测值之间的相对最大误差满足：大坝及基础温度≤1％、大坝及基础变形≤2％、大坝及基础渗流压力≤3％、大坝及基础应力≤5％，大坝隐患细部构造超高分辨率图像清晰度不小于4K；实时生成全彩高质量全息图1080p分辨率；
实景现实外观表现一致；多种感知手段获取信息协调；非结构数据的可视化满足可理解性、直观性、形象性和易鉴别性的专家评审要求；
通过云计算和并行计算加快计算速度和人机交互效率，通过任务加卸载优化调度算法协调后台运行，采用提前规划、预先计算存储以提高系统响应速度，使得结构化信息响应滞后时间≤0.1秒，非结构化信息响应滞后时间≤0.1秒。
进一步地，所述大坝有关工程安全的信息包括：大坝建设运行过程资料、外部赋存环境数据、大坝结构力学参数、响应数据、领域知识和失事后果；
所述外部赋存环境数据包括水文数据、地形地质数据、气象数据、气候数据和运行管理信息；
所述大坝结构力学参数包括结构和地质的几何尺寸、坡度、孔隙率、岩性、糙率、渗透系数、固结系数、释水率、热传导系数、热膨胀系数、弹塑性力学参数、断裂力学参数、损伤力学参数和施工过程数据；
所述响应数据包括变形数据、渗流数据、应力应变数据和温度数据；
所述失事后果包括社会、经济、生态影响数据，社会经济生态影响数据包括大坝不同失事模式影响到的防洪投入和损失数据、抗旱投入和损失数据、供水投入和损失数据、生态投入和损失数据、发电投入和损失数据和航运投入和损失数据。
进一步地，所述大坝的工程安全的失事模式包括漫顶溃坝、滑动失稳、开裂坍塌、渗透冲刷、溢流泄洪冲刷、底板架空和泄洪洞变形淤堵。
进一步地，工程安全分析与可靠度评估模型、预测预警与后果推演模型、人机交互模型以及可靠高效控制模型之间相互目的协同、逻辑顺畅、匹配合理且结果相互验证。
进一步地，依据分析结果进行大坝安全预警包括如下步骤：
判断大坝是否安全；
若大坝安全，则将大坝安全状态信息进行存储，用于进行定时或查询条件下的即时可视化展示；
否则，通过正演计算和灾害链分析得到危险后果的估计结果，并将危险后果的估计结果进行可视化展示，依据危险后果的级别和严重程度进行大坝安全预警；所述正演计算和灾害链分析包括采用溃坝洪水分析、洪水淹没分析和损失评估一体化序贯分析。
进一步地，水位控制建议的求解步骤包括：
获取包括大坝允许变形、抗滑稳定安全系数、应力强度因子、应变能释放率、渗流压力、渗透坡降、频率相位、振幅、最大下泄流速和最大下泄流量作为约束条件；
基于约束条件，将水位、水位变化幅度和速度、阻尼作为待反演变量，通过约束优化方法，以损失最小或效益最大为目标函数进行多目标优化求解；
依据多目标优化求解的结果，反演得到水位、水位变化、阻尼的容许区间和最优控制路径；
抗震控制建议的求解步骤包括：
获取大坝的结构材料静/动强度数据建立液固耦合动力学模型；
以共振规避为目标建立动态规避算法，以最快实现振幅衰减和共振消除为目标，提出对应控制参数；
除险加固建议根据规范要求和计算分析结果，基于投资、工期和生态多目标优化方法，提出除险加固结构、材料、方法和进度的多目标优化方案。
进一步地，大坝安全时，将大坝结构状态、响应状态和现场场景进行存储，用于进行可视化定量展示、实景展示和XR展示；
否则，计算获得相应后果并将后果根据需要、设置或人员要求进行XR展示；
另一方面，本发明提供一种基于数字孪生的大坝安全预警消警系统，包括用于感知物理大坝安全信息的感知系统、映射客观物理大坝的孪生大坝系统和调控物理大坝安全状态的控制系统；
所述物理大坝上设置状态感知设备和运行控制设备，所述状态感知设备设施设置于大坝坝面和坝内、大坝周围的空天、水上和水下区域，用于感知大坝安全运行相关的各类荷载、边界条件、大坝安全性态响应以及周边社会经济和生态信息的的几何、力、声、光、电感知设备以及网络信息收集检索提取设备；
所述运行控制设备，设置于大坝的流量进出口和闸门启闭设备处，包括用于控制水位闸门启闭的启闭机和卷扬机，以及用于进行结构减震的控制设备。
进一步地，所述孪生大坝系统包括信息展示子系统、人机交互子系统、综合评价子系统、实时诊断子系统、反馈控制子系统和分析计算子系统，用于完成对感知信息、历史数据库信息、网络知识获取信息的甄别处理、校正处理、清晰处理、融合处理、评价处理、优化处理和排序处理，实现与物理大坝以及人员的交互；
所述信息展示子系统用于展示包括坝体内外部及上下游现场场景、大坝表观及监测检测信息、感知及计算分析存储通信仪器设备工装的状态及参数、闸门及震动控制设备的状态和参数；
所述人机接口子系统包括键盘、手势采集装置、眼球状态跟踪采集装置、表情获取装置、肢体形态获取装置、屏幕和投影；
所述综合评价子系统用于综合评价包括大坝整体安全、坝段和边坡安全、裂缝失稳和局部渗透破坏、局部应力异常和屈服，同时也用于对全体设备设施工作状态进行综合评价、通信网络及可靠性进行综合评价、数据和采集信息进行可用性评价、所建立模型的可靠性进行综合评价；
所述实时诊断子系统用于对大坝感知信息的异常成因进行实时诊断，包括结构、环境和仪器设备的工作状态；
所述控制反馈子系统通过对闸门的工作状态、主动减震设备的控制及其反馈参数进行分析，采用闭环控制方法判断仪器设备的工作状态及其效果；
所述计算分析子系统用于计算分析大坝结构、运行环境、后果损失、仪器设备本身的能源管理任务分配、加载卸载、路由优化、敏感参数确定、重要性排序、下一步工作推荐和方案综合比较。
本发明所达到的有益效果：
本发明基于数字孪生技术，为现实存在的物理大坝建立数字孪生大坝，通过数字孪生大坝反应现实存在的物理大坝的安全状态；可实现对大坝安全状态的实时监控，并进行预警和危险控制。
附图说明
图1是本发明实施例提供的一种基于数字孪生的大坝预警方法的流程图；
图2是本发明实施例二提供的一种基于数字孪生的大坝预警系统的结构示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一：
本发明实施例一提供一种基于数字孪生的大坝安全预警消警方法，为现实存在的物理大坝建立数字孪生大坝，通过数字孪生大坝反应现实存在的物理大坝的安全状态；可实现对大坝安全状态的实时监控，并进行预警和危险控制，如图1所示，包括如下步骤：
基于物理大坝通过自适应数值模拟、综合评估模型、动态递推数据驱动、在线数据同化模型、异常诊断推理、行为理解、实景与XR模型、数据与机理驱动控制模型构建与物理大坝安全性态相同、影响因素一致、可测响应同步、多维场景逼真的数字孪生大坝；
通过数字孪生大坝对真实大坝进行可视化和便捷化的信息异常感知和诊断、结构安全与系统工作状态在线评估、大坝安全状态精准预报和失事后果的预警，并依据预警数据提出用于消警的水位控制建议、抗震控制建议和除险加固建议。
构建数字孪生大坝的方法和步骤包括：
步骤一：获取大坝工程安全有关的信息并通过损伤老化分析、不利工况试算、工程类对、隐患演化结合人机交互求解大坝可能失事模式和失效路径。
步骤二、确定拟建模类别及其理论方法
建模类别包括工程安全分析与可靠度评估模型、预测预警与后果推演模型、人机交互模型以及可靠高效控制模型；建立上述四种类别模型包括通用方法以及专用方法和模型：
通用方法包括参数估计、多目标优化、同伦方法、知识图谱、神经网络、专家系统、进化计算、模糊逻辑、机器学习、深度学习和自适应方法。其中神经网络包括前馈神经网络、卷积神经网络、递归神经网络、Transformers网络、生成对抗网络、自编码器、脉冲神经网络、概率神经网络、图神经网络、傅里叶神经网络；卷积神经网络模型包括R-CNN、Fast R-CNN、Faster R-CNN、FPN、YOLO、SSD、RetinaNet；递归神经网络包括长短时记忆网络、门控制循环单元以及带QuadTree Attention注意力机制的递归神经网络；自编码器包括去噪自编码器、变分自编码器、去耦变分自编码器；机器学习包括线性/非线性回归、逻辑回归、决策树、向量机、贝叶斯更新；深度学习包括迁移学习、元学习、表征学习、度量学习、多任务学习、强化学习、集成学习、主动学习；自适应方法包括自适应路由、自适应调度、自适应时空步长选择和自适应网格划分/节点布置；
专用方法和模型包括工程安全分析与可靠度评估、预测预警与后果推演、人机交互以及高可靠控制各类别对应的专用方法和模型；
1、工程安全分析与可靠度评估专用方法及模型：
1.1专用方法
大坝边坡渐变到突变失稳数值模拟采用元胞自动机方法；循环交变荷载作用下结构安全分析采用安定分析方法；克服几何边界插值误差采用自适应等几何分析；为减少网格重新剖分对于裂缝采用扩展有限元/近场动力学/相场方法进行数值建模；参数反演分析与反馈分析采用全局优化仿生算法、同伦方法以及数值优化方法，数值优化方法采用最速下降法、共轭梯度法、LBFGS、高斯牛顿法、预条件方法；系统可靠度计算采用随机有限元法；多材料分区数值计算采用子结构多种耦合数值方法；液固界面耦合液体采用基于层级结构的非结构自适应网格方法进行加密获得自适应网格，自适应流场采用基于延迟分离涡模拟的高效RANS-LES混合方法，边界元计算采用快速多极子边界元法；
地震起伏地面传播采用贴体网格解决由阶梯状网格存在所产生的虚假绕射，采用基于弹性介质的全交错-Lebede网格有限差分方法在处理起伏地表面波模拟中稳定性问题；
对于岩石/混凝土内部的非达西渗流采用Forchheimer二次方程；压力钢管计算同位网格中采用SIMPLE-P算法处理压力边界，IDEAL算法处理压力和速度耦合；
大坝整体或局部稳定分析与评估采用增量数值模拟、逐级加/卸载、应力路径相关本构模型、应变局部化刻画能力的强度折减法、超载法以及两者结合方法的局部或整体稳定分析方法；
用于综合评价的模糊综合评价/云模型法/投影寻踪法；用于不适定问题求解的正则化方法；用于赋权的博弈论组合赋权和主客观赋权法；用于安全度和风险等级排序的未确知测度法/极差分析法/全局敏感性分析方法和矩阵填充法。
1.2专用模型
专用模型包括解析模型、数值模型、数据驱动模型以及综合评价模型。建立数值模型首先建立偏微分/积分方程组，再通过变分/积分/差分等等效弱形式结合插值函数等方法将解析形式的偏微分方程组转化为数值离散格式结合定解条件建立数值求解模型。对于存在氯离子、酸离子以及应力耦合侵蚀环境，建模需要考虑物理－化学作用对大坝材料和结构侵蚀作用，并通过能量守恒、物质守恒和通量守恒等对模型进行修正。由于大坝结构的复杂性，解析模型分析在大坝安全分析评价中应用比较少；数值模型是大坝安全分析的主要模型，数据驱动模型采用感知数据经过统计理论、神经网络、贝叶斯方法等建立的模型，可以通过其预测值与实测值比较、拟定预警指标等方法进行安全性评价；综合评价模型则是综合了上述各类模型对大坝安全综合进行评价。
这里自适应模型包括网格划分/节点布置采用自适应方式进行的离散和自适应确定时空步长、自适应收敛到真解的数值模型，以及自适应采样、样本自适应增强、参数估计自适应递推和自适应全局收敛的数据驱动模型。
1.2.1自适应数值模型
自适应数值模型包括：(1)整体多场多尺度耦合时空演化模型；(2)裂缝稳定分析与演化模型；(3)整体或局部稳定分析与评估模型。
整体多场多尺度耦合时空演化模型包括大坝整体应力－变形－温度－渗流多场耦合多重介质模型和温度－渗流－应力－变形－侵蚀－淤积组合作用下多场耦合多重介质模型；整体应力－变形－温度－渗流多场耦合多重介质根据物理大坝结构、材料、运行特点和赋存环境确定其安全的影响因素，并根据上述因素之间的相互作用得到大坝在内外因素耦合作用下的结构稳定性、耐久性和抗扰动能力的度量方程。
屈服破坏准则根据实际荷载情况选用考虑材料结构性的屈服/液化/损伤、屈曲/失稳/共振破坏准则。
温度－渗流－应力－变形－侵蚀－淤积组合作用下多场耦合多重介质力模型除考虑上述模型因素外，还考虑内外部水流/应力/化学冲刷、侵蚀或淤积/固结对结构孔隙率、形状、尺寸等几何特征和强度刚度等力学特征的影响，建模时进行必要的几何、质量、力学和表面参数修正。
裂缝稳定分析与演化数值仿真模型包括线弹性断裂力学模型、黏弹性断裂力学模型和非线性断裂力学模型。模型采用无网格方法、相场方法或近场动力学方法建立，裂缝判据包括应力强度因子、J积分、裂缝间断位移、基于广义双剪应力强度理论裂缝尖端的位移场、应力场、能量释放率G判据、断裂过程区、双K断裂韧度、COD等开裂/失稳扩展准则。对于混凝土和岩石采用混凝土软化本构关系与裂缝扩展GR阻力曲线的相关性、最大周向正应力、比应变能、最大拉应变，对于土体破坏采用内摩擦以及双剪切/最大抗拉强度的断裂准则。对裂缝扩展跟踪当有明确的扩展方向时采用扩展有限元法，当无明确的扩展方向时采用相场/近场动力学方法。
渗流分析中充分考虑多相渗流、复杂介质、液固界面效应、表面张力影响以及渗流通道非连续性对渗流的影响，包括优先流、段塞流、非饱和多相流数值模型。
1.3.2综合评估模型
综合评估专用模型就是综合响应大坝安全的各种信息对大坝安全进行全面评估，既可以针对整个大坝，也可以针对某个坝段、坝肩、坝基等大坝安全有关的某一部分，甚至厂房、压力钢管、开关站等与大坝安全有关的结构，既可以从对结构施加荷载角度，也可以是结构本身抗力角度。
本发明将综合评价转化为多指标逼近/贴近度、分类/聚类问题，在此通过定义各种距离或贴近度，如相似度/模糊贴进度/灰色关联度或应力/应变/能量/能量释放率空间应力路径相关的测地距离，在此基础上采用监督学习(分类)、无监督学习(聚类)以及半监督学习的方法进行评估。
2、预测预警与后果推演专用方法及模型
预测包括(1)对影响工程安全的大坝水文气象参数、地形地质条件、荷载工况作用、运行管理效果等外部作用；(2)材料结构参数及其之间的相互关系等内部因素；(3)应力、应变、温度、渗流和变形等大坝响应以及考虑社会经济生态影响等后果的工程安全风险进行预测。
根据可接受风险和超超过临界状态的程度采用四级预警。
后果推演包括感知/实测数据异常成因推理和大坝隐患成因和后果推理。
2.1专用方法
专用方法包括：数据插值采用生成式对抗网络方法、信息扩散方法和矩阵填充方法；不完整数据和非平衡数据处理采用样本生成、数据增强、矩阵填充、非负矩阵分解、独立分量分析等理论；在线预测采用稳健在线递推最小二乘法、递推近似最小一乘法稳健估计、交互式状态空间方法；组合预测采用非诱导有序加权平均算子；集合预测采用集合状态空间模型；回归参数估计采用全局最优仿生算法、约束/总体/阻尼最小二乘等方法；概率密度估计采用最大熵原理/核估计/最大使然估计/期望最大化算法等进行参数估计；
联合概率分布和不利工况遭遇概率分布采用Copula方法；采用强跟踪滤波/鲁棒容积卡尔曼滤波建立多输入多输出系统模型；数据同化和模型修正采用4维变分同化方法；信号非平稳分解采用小波、小波包、提升小波、谱分析、经验模态分解、变分模态分解以及希尔伯特－黄变换方法；针对分类/聚类问题采用回归、模式识别、聚类算法；结构数据回归分析采用逐步回归/分位数回归/分位数回归，针对多重共线性采用偏最小二乘回归/核主成分分析回归；针对模态分解中的端点问题采用信号序列延拓方法。基于实测数据的隐患/异常特征提取方法：短时傅里叶变换、小波/小波包变换、经验模态分解、希尔伯特－黄变换、变分模态分解、独立分量分析/约束独立分量分析。
异常诊断推理方法包括数据异常诊断、结构健康异常诊断、计算结果和感知信息可信度评估、大坝隐患成因分析以及系统自身运行状态评估与诊断；异常诊断采用独立分量分析方法、临界阈值方法和趋势分析法；独立分量分析算法包括FastICA、InfoMax ICA和KICA；根据大坝运行过程将时间因素与模糊Petri网演化建立映射，适合描述异常事件传播的赋时模糊Petri网模型实现异常诊断。
其他异常诊断推理方法还包括基于规则的专家系统、基于模型的推理系统方法、基于DS证据理论-神经网络算法异常诊断方法、基于核主元分析与模糊神经网络的闸门/管道/启闭机振动故障诊断方法、自编码器的异常检测方法、基于聚焦式模糊综合评判的闸门/管道/启闭振动故障诊断方法、水位升降过程大坝及输泄水系统模糊逻辑推理异常诊断、基于大数据的传感器异常诊断的智能算法、基于注意力机制的循环神经网络和变分自动编码器相结合的异常诊断算法、基于随机森林的故障预测、基于独立分量分析与希尔伯特-黄变换的异常/故障特征提取、基于短时傅里叶变换/小波变换/经验模态分解/希尔伯特变换/变分模态分解/时频分析方法的隐患/特征特征提取方法、基于约束独立分量分析的大坝/监测/控制系统故障诊断方法。
后果推演采用证据理论、考虑人为误操作结合设备/材料/结构老化的随机点过程以及外界强迫的非平稳随机过程理论、扰动论进行演化推演；预警采用强度理论、稳定理论、混沌分形以及分岔理论、突变理论和复杂网络理论；
2.2专用模型
2.2.1动态递推数据驱动
一维及多维时间序列数据采用逐步抗差回归、偏最小二乘回归、稳健在线递推最小二回归、强跟踪粒子滤波、非高斯噪声下基于Unscented粒子滤波、改进的交互式多模型粒子滤波、自适应交互式多模型滤波、高斯混合模型、支持向量机/相关向量机、时间序列ARIMA模型、随机森林模型。
空间分布采用分形协同克里金回归、非齐次高斯混合随机场模型等进行拟合。
2.2.2在线数据同化模型
采用集合状态空间扩展卡尔曼滤波、强跟踪滤波、粒子滤波以及在线递推估计算法的4维变分同化模型。
2.2.3异常诊断模型
采用知识图谱模型、推理证据模型、规则推理模型、赋时模糊Petri网模型、DS证据理论-神经网络模型、基于核主元分析与模糊神经网络模型、自编码－解码深度学习模型、聚焦式模糊综合评判和模糊逻辑推理模型、基于注意力机制的循环神经网络和变分自动编码器异常诊断模型、随机森林预测模型、约束独立分量分析的隐患/故障诊断模型。
语义获取渐进式认知推理模型、基于证据推理的确定因子规则库推理模型、可重构知识管理系统中案例与规则的集成推理模型、知识图谱推理模型、云推理模型、基于中介逻辑的近似推理模型、基于LOBA逻辑的言语行为推理模型。
3、人机交互专用方法及模型
3.1专用方法
合成高保真UHR纹理图像采用OUR-GAN网络算法，图像去噪和恢复采用正交随机投影算法，视觉监控采用超分辨率复原算法，协同过滤/系统识别/传感器网络/图像处理/稀疏信道估计/频谱感知以及多媒体编码和通信采用矩阵填充SVT、ADMiRA和SVP改进算法，成像泊松噪声消除、盲源分离和盲辨识采用独立分量分析算法，表情识别采用基于面部视频的成像式光电容积描记(IPPG)方法；3D感知图像合成采用多视角连贯性生成式对抗网络模型。
BIM耦合数值计算方法首先利用无人机和地面三维激光扫描仪、全站仪结合竣工图利用BIM建模软件Revit进行建模，再根据BIM修正数值模型进行数值模拟；
模式识别过程中为克服角度和尺度对识别结果的影响，采用仿射变换、动态时间规整(DTW)和深度学习方法。
对于过去场景再现采用已有的空间数据，通过自动建模、智能空洞填补、全自动数据提取，HDR优化等三维重建技术将全部数据及图片纹理映射到三维模型上还原真实三维空间。
现实场景，现场通过固定视角相机采集的RGB图像信息以PVnet算法计算物体位姿，通过两个相邻并且相互可见的拍摄点视觉特征匹配,估算拍摄点的相对位置重建空间三维模型。
将来场景通过在场景推理模型预测的基础上采用VR/AR合并现实和虚拟世界而产生的三维实时互动式可视化环境。
3.1.1行为理解
机器对人行为理解方法通过如下方法实现：机器通过键盘、鼠标、摄像头、麦克风/拾音器、手写输入设备等获取人的动作、手势、表情、姿态、语音/语言、步态等信息，利用语音识别、自然语言理解、姿态识别、手写体识别等方法分析推理掌握人的目的、意图、疑问并做出相应的响应；姿态识别采用深度学习等模式识别方法，模式识别问题采用零空间线性判别分析快速增量分类算法、解决小样本和采样不均衡样本问题、核零空间的快速异常检测增量算法；面向语音情感识别采用语谱图特征提取算法，动作识别采用基于手势肢体运动时空特征的多尺度在线序列分割方法和混合集成学习模型的意图识别方法语音识别采用隐马尔可夫模型和动态贝叶斯网络，机器对自然语言深层意思理解采用基于自然语言理解结合外部知识辅助的多步推理方法。
人对机器的理解方法包括：人通过眼、耳、手结合VR虚拟眼镜/裸眼3D、立体耳机等对机器输出的数据、图形、声音、视频和全息图像等进行理解；
3.1.3实景与XR展示
实景展示方法包括：对于过去的实景展示采取检索调用方法展示，对于现实场景采用实时拍摄、宽带传输、实时现实方法进行展示。采用非负矩阵分解方法抑制部分遮挡、光照变化和物体的旋转等外界变化给特征提取带来的不利影响；
XR展示方法包括：对于VR展示采用类似工程到本项目的场景迁移的深度学习方法、基于情景演算的贝叶斯方法和基于约束条件随机场的渲染方法。
AR展示采用在现有场景中语义插入；MR展示对于建模中样本数不够采用数据增强和样本增强方法，灰度图像部分像素缺失或噪声时利用矩阵填充算法进行填充恢复方法，针对权威专家个性化推荐采用基于类别加权的矩阵分解模型CW-MF和基于近邻影响和类别加权的矩阵分解模型NICW-MF。针对专家组或集体会商推荐问题采用基于近邻影响的主题模型的群组个性化推荐方法。
人机交互系统基于SDK进行系统功能开发，支持跨平台部署(windows、linux)。数字孪生平台采用VUE3+VITE+TYPESCRIPT基于微服务架构开发，桌面端工具采用Maya、3Dmax、C4D等主流三位建模工具进行相互转换，然后加载到开发的基础平台里面；并且对Unity3D、UE4、Cocos2D进行封装，形成二次开发SDK。
3.2专用模型
3.2.1行为理解
对人的行为理解福格行为模型(Fogg Behavior Model)、能够发现文档的语义相关度，用于信息自动索引和提取；水库入侵检测非负矩阵分解算法；文本聚类/特征的提取和分类/数据挖掘；语音自动识别非负矩阵分解算法。
基于半监督学习的增量式自生长自组织神经网络，解决采集数据的空间分布复杂、增量式输入以及获得大量标准数据困难的问题。
人体姿态表征模型采用基于人体约束的行为语义运动模型及其增量更新算法；行为描述采用多类别行为共享运动语义网隐变量模型；在抽象信息建模或信息融合方面采用交互Imu滤波模型。
3.3.3实景与XR展示
虚拟现实技术利用头戴设备模拟真实世界的3D互动环境；增强现实则是通过电子设备(如手机、平板、3D眼镜等)将各种信息和影像叠加到现实世界中；混合现实介于VR和AR之间，在虚拟世界、现实世界和用户之间，利用数字技术实现实时交互的复杂环境。
单样本超高分辨率图像合成框架采用OUR-GAN模型进行，人机状态预测采用隐马尔可夫模型、贝叶斯网络、贝叶斯更新模型。
无人机航排图像无缝拼接SIFT算法，大坝表面裂缝图像采用Sobel算子提取边缘特征再利用引入通道域机制的残差FCN构建裂缝智能识别模型；3D全息显示采用FCNN-propCNN神经网络求平面到多平面波传播模型；全息近眼显示波传播模型以及可微分摄像头校准模型。
4、可靠高效控制专用方法及模型
可靠高效控制包括感知系统的优化调度以及大坝安全控制措施两个子系统的控制，即根据大坝实时安全评估、风险分析、敏感分析、风险规避、防灾减灾的需要而对感知网络、计算分析(包括存储通信)子系统以及大坝安全控制设施所采用的优化配置、自适应采样、反馈调度等智能鲁棒动态操作。
4.1专用方法
4.1.1大坝安全控制方法
大坝安全控制采用深度强化学习方法，对于交流控制水闸则采用基于分数阶的交流伺服驱动系统控制参数整定方法。
4.1.2计算分析/感知子系统控制
仪器设备控制方法采用强化学习以及监督学习、半监督学习和自监督学习多种方法进行。
采用空时自适应处理方法对无人机(车、狗)载激光、合成孔径雷达、双光相机、摄像头等对强地/水杂波进行抑制；
裂缝或隐患检测采用双光模式，即红外和可见光/微光模式。先根据点扩散函数原理仿真生成红外小目标训练样本，再用主成分/核主成分分析方法提取目标样本的主特征构建目标的主成分空间。对测试样本只要判断其在主成分空间的重构残差便可识别其是否为目标。.
内部岩石/混凝土断裂感知综合采用红外、微震和声发射方法。针红外图像存在边缘模糊或离散状边缘的特点采用基于图像全局信息并且不需要重新初始化的变分水平集红外图像分割方法，同时通过引入内部变形能量约束水平集函数逼近符号距离函数。
总体最小二乘-LASSO方法的自适应校正方法用于解决控制中的off-grid问题。应用最大期望算法(EM)多个改进版本包括贝叶斯推断EM算法、EM梯度算法、广义EM算法等处理数据的缺测值、高斯混合模型和隐马尔可夫模型的参数估计。
通过基本构建单元自适应诱导出控制闸门运动鲁棒学习模型，构建单元的模型的鲁棒性采用数据驱动的非梯度的伪逆学习策略结合图拉普拉斯正则化方法训练来提高。
4.2专用模型
高可靠控制理论方法用于建立大坝安全控制、计算分析子系统/感知子系统控制的数据驱动和模型驱动控制模型；
4.2.1大坝安全控制模型
基于数值试算的大坝安全控制模型；基于强化学习水位控制模型、基于无监督学习的类似工程参考控制模型和迁移学习模型。
4.2.2计算分析/感知子系统控制
控制论、滑模边结构控制模型、数据驱动学习迭代控制模型、部分可观马尔科夫决策模型、多目标优化与动态规划模型、强化学习/迭代学习预测控制模型。
步骤三、理论/方法成熟性判别
根据逻辑严密程度分析、对物理大坝实际的描述能力、假设的合理性和已推广应用情况判别建模理论是否成熟：
若建模理论成熟，则根据方法与模型对具体大坝的针对性、匹配性结合推荐算法和专家经验，初步选择相应的算法，通过实际计算结果从计算精确度、收敛稳定性和鲁棒性等方面确定相应的理论方法，并根据相应的理论方法构建相应的数值模型和深度学习预处理模型。
步骤四、计算方法选择与确定
根据工程地质、结构、材料、运行情况和风险进行适合于具体工程实际的计算方法，保证计算结果与实际情况的一致性。为提高计算精度和保证响应时间，根据计算复杂度选择相匹配的算力，算力采用端边云协同以及任务卸载机制完成。云端计算采用云计算、并行计算、和集群计算完成，结合NPU、GPU等硬件，前端采用轻量化深度学习模型专用神经芯片、FPGA以及嵌入式系统完成，配置tinyML基TensorFlow Lite在Arduino和超低功耗微控制器上部署模型。
方法选择及确定是指针对上一步所确定的模型种类寻找相匹配的自适应鲁棒自动求解方法，包括偏微分方程组的求解方法、非参数和半参数模型的建立方法、参数模型的参数估计方法和深度学习方法。
情景再现模型采用大坝安全性态演化过程建筑信息模型耦合大坝失事影响区域地理信息系统模型搭建；
偏微分方程组的求解方法包括等价形式和数值离散方法，等价形式包括变分形式和积分形式；数值离散方法包括有限差分法、有限元法、边界元法、无限元法、有限体积法、无网格法、不连续变形分析、自然单元法以及以上方法的组合与改进方法。组合包括多种网格组合的子结构法和区域分解法，改进包括多重网格法、分层基法、BPX法，同时选用等几何分析法用于减少边界离散误差，选用依赖度低的物质点法用于减少对网格性，对应力集中部位采用无网格法离散；离散网格初期根据竣工资料和实测数据完成，离散网格后期根据感知系统测量的大坝结构实际尺寸和材料分区采用动态自适应自动生成。
数值离散过程还包括插值方法和检验方法，插值方法包括多项式、径向基法、小波基及其扩展、高阶、不协调、混合和谱形式，离散后的检验算法包括网格无关判别算法、模型稳定性算法和收敛性判别算法。
非参数、半参数和参数模型的选择依据包括样本维数、数量、独立性、平稳性，包括核估计模型、回归模型、灰色模型和相关向量机模型。
参数模型的参数估计方法包括整体抗差估计方法、正则化方法和仿生全局优化算法。
神经网络架构的确定方法包括经验法、试错法和裁剪法，神经网络架构的确定方法的参数求解方法采用误差反向传播算法，误差反向传播算法包括梯度下降算法和动量算法；
若建模理论不成熟，则进行知识获取，采用网络爬虫、专家咨询、数据挖掘、知识蒸馏等、图神经网络、知识图谱用于获取新模型，对知识获取获得的新模型针对物理大坝的特征进行条件核对和修正；知识获取的方法包括广域专家咨询和网络爬虫方法，知识获取方法的选用由人机交互专家进行确认；
步骤五、定解条件/样本完备性判别
当发现样本不足时候先通过感知系统感知，如感知够了直接应用，如不够采用样本增强方法进行增强处理。
分析问题解决模型的定解条件和样本是否满足求解要求：
若满足，则建立情景再现模型、安全分析模型、预测预警模型和人机交互模型的自适应多尺度数值模型、动态递推自适应数据驱动模型、混合驱动数据同化模型、信息融合预警预测模型和虚拟动态三维显示模型；自适应数值模型采用hp自适应；
否则，样本数量不足或位置不合理时先通过感知系统增强感知，当感知系统所获结果仍然不能满足定解条件需要时则对样本进行增强处理，处理方法包括：通过生成对抗网络、变分方法和扩散模型进行样本生成或样本增强；通过数据同化、分形克里格协同插值计算样本填充；若上述两种增加样本的方法仍不能满足求解或参数估计要求时采用0样本学习适应无样本情况，采用小样本学习适应少样本情况；采用稀疏建模或贝叶斯建模进行数据驱动建模；采用仿生算法、抗差估计、同伦方法和正则化方法进行参数反演；采用迁移学习、知识蒸馏、模型裁剪等适应不同工况和模型应用场景的变化；
依据处理后的问题解决模型建立自适应混合驱动多尺度数值模型和动态递推自适应数据驱动模型；自适应混合驱动多尺度数值模型依据误差界要求自动调整离散节点和计算步长；动态递推自适应数据驱动模型依据采样速率、数据误差和泛化能力自动调整时空窗口和模型类型；
步骤六、预处理模型建立及模型检验
根据前面步骤建立模型对大坝进行工程安全分析与可靠度评估、预测预警与后果推演、人机交互以及高可靠控制，当满足如下条件时所构建的数字孪生大坝满足要求：
结构化实测数据、数值模拟计算结果以及预测值之间的相对最大误差满足：大坝及基础温度≤1％、大坝及基础变形≤2％、大坝及基础渗流压力≤3％、大坝及基础应力≤5％；大坝隐患细部构造超高分辨率图像清晰度不小于4K；实时生成全彩高质量全息图1080p分辨率；
实景现实外观表现一致；多种感知手段获取信息协调；非结构数据的可视化满足可理解性、直观性、形象性和易鉴别性的专家评审要求；
通过云计算和并行计算加快计算速度和人机交互效率，通过任务加卸载优化调度算法协调后台运行，采用提前规划、预先计算存储以提高系统响应速度，使得结构化信息响应滞后时间≤0.1秒，非结构化信息响应滞后时间≤0.1秒。
步骤七、更新计算分析模型库和预训练模型库
模型库村粗的模型包括：对于数值计算就是网格/节点已经完成优化，只需输入需要计算的荷载条件/边界条件/截至时间即可完成计算；对于数据驱动/同化/等模型已经完成预训练，只需进行精细化训练/迁移学习/或直接喂入输入样本即可得到所需输出。
模型库更新就是根据大坝最新状态、最新实测数据和最新技术发展，安全分析与可靠度评估更合理更准确、预测预警与后果推演更快速更精准、人机交互以及高可靠控制更可靠更直观更快捷的模型取代落后的模型，采用上述指标进行判别更新模型库。
物理大坝有关工程安全的信息包括：大坝建设运行过程资料、赋存环境数据大坝结构力学参数、响应数据、领域知识和失事后果；外部赋存环境数据包括地质地形、水文地貌、气象气候、运行管理信息；大坝结构力学参数包括设计/施工/科研及历史监测资料，如结构和地质的几何尺寸、坡度、孔隙率、岩性、糙率、渗透系数、固结系数、释水率、热传导系数、热膨胀系数、弹塑性力学、断裂力学、损伤力学、施工过程、监测/检测数据；
响应数据包括变形数据、渗流数据、应力应变数据和温度数据。
失事后果包括社会、经济、生态影响数据，社会经济生态影响数据包括大坝不同失事模式影响到的防洪投入和损失数据、抗旱投入和损失数据、供水投入和损失数据、生态投入和损失数据、发电投入和损失数据和航运投入和损失数据。
大坝的工程安全的失事模式包括漫顶溃坝、滑动失稳、开裂坍塌、渗透冲刷、溢流泄洪冲刷、底板架空和泄洪洞变形淤堵。
工程安全分析与可靠度评估、预测预警与后果推演、人机交互以及高可靠控制各类别模型和子模型之间相互目的协同、逻辑顺畅、匹配合理且结果相互验证。
依据分析结果进行大坝安全预警包括如下步骤：
判断大坝是否安全；
若大坝安全，则将大坝安全状态信息存入成果库，通过人机交互设备进行定时或查询条件下的即时可视化展示；
否则通过正演计算和灾害链分析得到危险后果的估计结果，并将危险后果的估计结果进行可视化展示，依据危险后果的级别和严重程度进行大坝安全预警。正演计算和灾害链分析就是采用溃坝洪水分析、洪水淹没分析和损失评估一体化序贯分析；
水位和抗震控制建议的求解步骤包括：
获取大坝允许变形、抗滑稳定安全系数、应力强度因子、应变能释放率、渗流压力、渗透坡降、频率相位、振幅、最大下泄流速和最大下泄流量等作为约束条件；
获取大坝的结构材料静/动强度数据建立液固耦合动力学模型；
基于约束条件，将水位、水位变化幅度和速度、阻尼作为待反演变量，通过约束优化方法，以损失最小或效益最大为目标函数进行多目标优化求解；
依据多目标优化求解的结果，反演得到水位、水位变化、阻尼的容许区间和最优控制路径；
除险加固建议根据规范要求和计算分析结果，基于投资、工期和生态多目标优化方法，提出除险加固结构、材料、方法和进度的多目标优化方案。
大坝安全时，将大坝结构状态、响应状态和现场场景存入成果库并根据需要和设置进行可视化定量展示、实景展示和XR展示；
否则，计算获得相应后果并将后果根据需要、设置或人员要求进行XR展示。
实施例二：
基于实施例一的一种基于数字孪生的大坝安全预警消警方法，本发明实施例二提供一种基于数字孪生的大坝安全预警消警系统，如图2所示，包括用于映射客观世界物理大坝的孪生大坝系统；
物理大坝上设置状态感知设备设施和运行控制设备设施，状态感知设备设施包括设置于大坝坝体、坝基、坝肩内部及表面以及大坝周围的空天、水上和水下区域，包括用于感知大坝安全运行相关的各类荷载、边界条件以及大坝安全性态响应参数的传感器、无人机、无人船，以及用于感知地质地形/水文地貌/气象气候/运行管理信息实时场景的声、光、电磁场图像感知设备，如微震监测、声发射监测、分布式光纤多模态监测、水下多波束监测以及静动态安全监测/检测设备等。
所叙述无人机的双光相机采用机载高清变焦云台相机配合后台图片处理软件，无人机感知图像分标率不小于：7360*4912PIX；边缘计算具有畸变校正、倾斜校正、幅面校正、拱形校正、图像拼接、尺寸标定、图形描绘、裂缝抽取、计算宽度、长度/直方图/DXF输出等功能。
感知设备日常运行采用投入和效果多目标优化策略，巡查点线路规划采用各向异性和基于注意力的图神经网络模型进行优化调度，隐患节点和相互之间的通道被编码为隐空间表示，采用图搜索技术贪心搜索或束搜索进行路径优化。当后台数值计算发现隐患征兆时候，同步调度现场移动感知设备去现场求证，并采用推荐算法搜索相关区域，为提高信息搜索采用哈希算法，建立相应快速搜素哈希模型。
运行控制设备设置于大坝的流量进出口、闸门启闭设备处以及振动控制敏感部位的抗震设备，前者包括用于控制水位闸门启闭的启闭机和卷扬机，后者包括各类阻尼器、减震器和隔振设备。水闸或抗震设备控制通过标准策略梯度算法或Q学习轻量化强化学习模型、Seq2seq指针网络模型。
状态感知设备和运行控制设备采用嵌入式系统，内置轻量化深度学习模型。感知设备通过多种有线无线通讯手段与后方边缘计算、雾计算、云计算、数据中心以及人共享信息和实时交互，通过预先设置的安全预警指标并经过融合判断：当感知信息发现影响大坝安全的重大因素、隐患或响应时，进行结构失效路径重新评估，当感知设备发现局部异常或正常状态下，感知设备将数据只作为新的样本或边界条件应用；当结构异常是需要重新更新相关理论；公有云计算采用联邦学习。
孪生大坝系统包括信息展示子系统、人机交互子系统、综合评价子系统、实时诊断子系统、反馈控制子系统和分析计算子系统，用于完成对感知信息、历史数据库信息、网络知识获取信息的甄别处理、校正处理、清晰处理、融合处理、评价处理、优化处理和排序处理，实现与物理大坝以及人员的交互；
信息展示子系统用于展示包括坝体内外部及上下游现场场景、大坝表观及监测检测信息、感知及计算分析存储通信仪器设备工装的状态及参数、闸门及震动控制设备的状态和参数。
人机交互子系统包括键盘、拾声器/麦克风、摄像机、触摸屏、显示器、屏幕和投影仪。人机交互系统是一个分布式分散系统，包括控制室机房内、大坝廊道及坝面坝顶、溃坝下游影响区、有人驾驶飞机或船舶上、从而实现相应的XR。
综合评价子系统用于综合评价包括大坝整体安全、坝段和边坡安全、裂缝失稳和局部渗透破坏、局部应力异常/损伤和屈服等四个层次，同时也用于对全体设备设施工作状态进行综合评价、通讯网络及可靠性进行综合评价、数据和采集信息进行可用性评价、所建立模型的可靠性进行综合评价。
实时诊断子系统用于对大坝感知信息的异常成因进行实时诊断，包括结构、环境和仪器设备的工作状态。
控制反馈子系统通过对闸门的工作状态、主动减震设备的控制及其反馈参数进行分析，采用闭环控制方法判断仪器设备的工作状态及其效果。
计算分析子系统用于计算分析大坝结构、运行环境、后果损失、仪器设备本身的能源管理任务分配、加载卸载、路由优化、敏感参数确定、重要性排序、下一步工作推荐和方案综合比较。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于数字孪生的大坝安全预警消警方法，其特征在于：包括如下步骤：
基于客观物理大坝，通过自适应数值模拟、综合评估模型、动态递推数据驱动模型、在线数据同化模型、异常诊断推理模型、行为理解模型、实景与XR模型、数据与机理驱动控制模型构建与物理大坝安全性态相同、影响因素一致、可测响应同步、多维场景逼真的数字孪生大坝；
通过数字孪生大坝对客观物理大坝进行可视化和便捷化的信息异常感知和诊断、结构安全与系统工作状态在线评估、大坝安全状态精准预报和失事后果的预警，并依据预警数据提出用于消警的水位控制建议、抗震控制建议和除险加固建议。
2.根据权利要求1所述的一种基于数字孪生的大坝安全预警消警方法，其特征在于：构建数字孪生大坝的方法包括：
获取大坝有关工程安全的信息并进行对比分析，依据损伤老化分析、不利工况试算、工程类对、隐患演化结合人机交互求解大坝可能失事模式和失效路径；
依据大坝可能失事模式和失效路径确定模型种类，模型种类用于描述大坝的失效模式、失效过程和后果，所述模型种类包括工程安全分析与可靠度评估模型、预测预警与后果推演模型、人机交互模型以及可靠高效控制模型；
根据逻辑严密程度分析、对物理大坝实际的描述能力、假设的合理性和已推广应用情况判别建模理论是否成熟：
若建模理论成熟，则根据方法与模型对具体大坝的针对性、匹配性结合推荐算法和专家经验，初步选择相应的算法，通过实际计算结果从计算精确度、收敛稳定性和鲁棒性等方面确定相应的理论方法，并根据相应的理论方法构建相应的数值模型和深度学习预处理模型；
方法选择及确定是指针对上一步所确定的模型种类寻找相匹配的自适应鲁棒自动求解方法，包括偏微分方程组的数值求解方法、非参数和半参数模型的建立方法、参数模型的参数估计方法和深度学习方法；
所述偏微分方程组的求解方法包括等价形式和数值离散方法，所述等价形式包括变分形式和积分形式；所述数值离散方法包括有限差分法、有限元法、边界元法、无限元法、有限体积法、无网格法、不连续变形分析、自然单元法以及以上方法的组合与改进方法；所述组合包括多种网格组合的子结构法和区域分解法，所述改进包括多重网格法、分层基法、BPX法，同时选用等几何分析法用于减少边界离散误差，选用依赖度低的物质点法用于减少对网格性，对应力集中部位采用无网格法离散；离散网格初期根据竣工资料和实测数据完成，离散网格后期根据感知系统测量的大坝结构实际尺寸和材料分区采用动态自适应自动生成；
所述数值离散过程还包括插值方法和检验方法，所述插值方法包括多项式插值法、径向基插值法、小波基及其扩展插值法、高阶插值法、不协调插值法、混合插值法和谱形式插值法，所述离散后的检验算法包括网格无关判别算法、模型稳定性算法和收敛性判别算法；
非参数、半参数和参数模型的选择依据包括样本维数、数量、独立性、平稳性，包括核估计模型、回归模型、灰色模型和相关向量机模型；
所述参数模型的参数估计方法包括整体抗差估计方法、正则化方法和仿生全局优化算法；
所述神经网络架构的确定方法包括经验法、试错法和裁剪法，所述神经网络架构的确定方法的参数求解方法采用误差反向传播算法，所述误差反向传播算法包括梯度下降算法和动量算法；
若建模理论不成熟，则进行知识获取，用于获取新模型，对知识获取获得的新模型针对物理大坝的特征进行条件核对和修正；所述知识获取的方法包括网络爬虫、专家咨询、数据挖掘、知识蒸馏等、图神经网络和知识图谱，所述知识获取方法的选用由人机交互专家进行确认；
分析问题解决模型的定解条件和样本是否满足求解要求：
若满足，则建立情景再现模型、安全分析模型、预测预警模型和人机交互模型的自适应多尺度数值模型、动态递推自适应数据驱动模型、混合驱动数据同化模型、信息融合预警预报模型和虚拟动态三维显示模型；所述自适应数值模型采用hp自适应；
否则，样本数量不足或位置不合理时先进行增强感知，当增强感知所获结果仍然不能满足定解条件需要时则对样本进行增强处理，处理方法包括：通过生成对抗网络、变分方法和扩散模型进行样本生成或样本增强；通过数据同化、分形克里格协同插值计算样本填充；若上述两种增加样本的方法仍不能满足求解或参数估计要求，则采用0样本学习适应无样本情况，采用小样本学习适应少样本情况；采用稀疏建模或贝叶斯建模进行数据驱动建模；采用仿生算法、抗差估计、同伦方法和正则化方法进行参数反演；采用迁移学习、知识蒸馏、模型裁剪等适应不同工况和模型应用场景的变化；
结构化实测数据、数值模拟计算结果以及预测值之间的相对最大误差满足：大坝及基础温度≤1％、大坝及基础变形≤2％、大坝及基础渗流压力≤3％、大坝及基础应力≤5％，大坝隐患细部构造超高分辨率图像清晰度不小于4K；实时生成全彩高质量全息图1080p分辨率；
实景现实外观表现一致；多种感知手段获取信息协调；非结构数据的可视化满足可理解性、直观性、形象性和易鉴别性的专家评审要求；
通过云计算和并行计算加快计算速度和人机交互效率，通过任务加卸载优化调度算法协调后台运行，采用提前规划、预先计算存储以提高系统响应速度，使得结构化信息响应滞后时间≤0.1秒，非结构化信息响应滞后时间≤0.1秒。
3.根据权利要求2所述的一种基于数字孪生的大坝预警消警方法，其特征在于：所述大坝有关工程安全的信息包括：大坝建设运行过程资料、外部赋存环境数据、大坝结构力学参数、响应数据、领域知识和失事后果；
所述外部赋存环境数据包括水文数据、地形地质数据、气象数据、气候数据和运行管理信息；
所述大坝结构力学参数包括结构和地质的几何尺寸、坡度、孔隙率、岩性、糙率、渗透系数、固结系数、释水率、热传导系数、热膨胀系数、弹塑性力学参数、断裂力学参数、损伤力学参数和施工过程数据；
所述响应数据包括变形数据、渗流数据、应力应变数据和温度数据；
所述失事后果包括社会、经济、生态影响数据，社会经济生态影响数据包括大坝不同失事模式影响到的防洪投入和损失数据、抗旱投入和损失数据、供水投入和损失数据、生态投入和损失数据、发电投入和损失数据和航运投入和损失数据。
4.根据权利要求2所述的一种基于数字孪生的大坝安全预警消警方法，其特征在于：所述大坝的工程安全的失事模式包括漫顶溃坝、滑动失稳、开裂坍塌、渗透冲刷、溢流泄洪冲刷、底板架空和泄洪洞变形淤堵。
5.根据权利要求2所述的一种基于数字孪生的大坝安全预警消警方法，其特征在于：工程安全分析与可靠度评估模型、预测预警与后果推演模型、人机交互模型以及可靠高效控制模型之间相互目的协同、逻辑顺畅、匹配合理且结果相互验证。
6.根据权利要求1所述的一种基于数字孪生的大坝安全预警消警方法，其特征在于：依据分析结果进行大坝安全预警包括如下步骤：
判断大坝是否安全；
若大坝安全，则将大坝安全状态信息进行存储，用于进行定时或查询条件下的即时可视化展示；
否则，通过正演计算和灾害链分析得到危险后果的估计结果，并将危险后果的估计结果进行可视化展示，依据危险后果的级别和严重程度进行大坝安全预警；所述正演计算和灾害链分析包括采用溃坝洪水分析、洪水淹没分析和损失评估一体化序贯分析。
7.根据权利要求1所述的一种基于数字孪生的大坝安全预警消警方法，其特征在于：水位控制建议的求解步骤包括：
获取包括大坝允许变形、抗滑稳定安全系数、应力强度因子、应变能释放率、渗流压力、渗透坡降、频率相位、振幅、最大下泄流速和最大下泄流量作为约束条件；
基于约束条件，将水位、水位变化幅度和速度、阻尼作为待反演变量，通过约束优化方法，以损失最小或效益最大为目标函数进行多目标优化求解；
依据多目标优化求解的结果，反演得到水位、水位变化、阻尼的容许区间和最优控制路径；
抗震控制建议的求解步骤包括：
获取大坝的结构材料静/动强度数据建立液固耦合动力学模型；
以共振规避为目标建立动态规避算法，以最快实现振幅衰减和共振消除为目标，提出对应控制参数；
除险加固建议根据规范要求和计算分析结果，基于投资、工期和生态多目标优化方法，提出除险加固结构、材料、方法和进度的多目标优化方案。
8.根据权利要求6所述的一种基于数字孪生的大坝安全预警消警方法，其特征在于：大坝安全时，将大坝结构状态、响应状态和现场场景进行存储，用于进行可视化定量展示、实景展示和XR展示；
否则，计算获得相应后果并将后果根据需要、设置或人员要求进行XR展示。
9.一种基于数字孪生的大坝安全预警消警系统，其特征在于，包括用于映射客观世界大坝的孪生大坝系统和物理大坝；
所述物理大坝上设置状态感知设备和运行控制设备，所述状态感知设备设施设置于大坝、大坝周围的空天、水上和水下区域，包括用于感知大坝安全运行相关的各类荷载、边界条件以及大坝安全性态响应参数的传感器，以及用于感知现地实时场景的声、光、电磁场图像感知设备；
所述运行控制设备，设置于大坝的流量进出口和闸门启闭设备处，包括用于控制水位闸门启闭的启闭机和卷扬机，以及用于进行结构减震的控制设备。
10.根据权利要求9所述的一种基于数字孪生的大坝安全预警消警系统，其特征在于：所述孪生大坝系统包括信息展示子系统、人机交互子系统、综合评价子系统、实时诊断子系统、反馈控制子系统和分析计算子系统，用于完成对感知信息、历史数据库信息、网络知识获取信息的甄别处理、校正处理、清晰处理、融合处理、评价处理、优化处理和排序处理，实现与物理大坝以及人员的交互；
所述信息展示子系统用于展示包括坝体内外部及上下游现场场景、大坝表观及监测检测信息、感知及计算分析存储通信仪器设备工装的状态及参数、闸门及震动控制设备的状态和参数；
所述人机接口子系统包括键盘、手势采集装置、眼球状态采集装置、表情获取装置、肢体形态获取装置、屏幕和投影；
所述综合评价子系统用于综合评价包括大坝整体安全、坝段和边坡安全、裂缝失稳和局部渗透破坏、局部应力异常和屈服，同时也用于对全体设备设施工作状态进行综合评价、通讯网络及可靠性进行综合评价、数据和采集信息进行可用性评价、所建立模型的可靠性进行综合评价；
所述实时诊断子系统用于对大坝感知信息的异常成因进行实时诊断，包括结构、环境和仪器设备的工作状态；
所述控制反馈子系统通过对闸门的工作状态、主动减震设备的控制及其反馈参数进行分析，采用闭环控制方法判断仪器设备的工作状态及其效果；
所述计算分析子系统用于计算分析大坝结构、运行环境、后果损失、仪器设备本身的能源管理任务分配、加载卸载、路由优化、敏感参数确定、重要性排序、下一步工作推荐和方案综合比较。
CN202210457462.0A 2022-04-28 2022-04-28 一种基于数字孪生的大坝安全预警消警方法及系统 Active CN114707227B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210457462.0A CN114707227B (zh) 2022-04-28 2022-04-28 一种基于数字孪生的大坝安全预警消警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210457462.0A CN114707227B (zh) 2022-04-28 2022-04-28 一种基于数字孪生的大坝安全预警消警方法及系统

Publications (2)

Publication Number Publication Date
CN114707227A true CN114707227A (zh) 2022-07-05
CN114707227B CN114707227B (zh) 2024-10-08

Family

ID=82176400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210457462.0A Active CN114707227B (zh) 2022-04-28 2022-04-28 一种基于数字孪生的大坝安全预警消警方法及系统

Country Status (1)

Country Link
CN (1) CN114707227B (zh)

Cited By (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115081157A (zh) * 2022-08-19 2022-09-20 四川省水网信息科技有限责任公司 一种基于物联网的智慧水利监测方法和系统
CN115113528A (zh) * 2022-07-06 2022-09-27 昆仑芯(北京)科技有限公司 神经网络模型的运行控制方法、装置、设备及介质
CN115114804A (zh) * 2022-07-28 2022-09-27 哈尔滨理工大学 一种基于马尔可夫状态转移的水面无人巡逻艇多态系统建模方法
CN115115289A (zh) * 2022-08-29 2022-09-27 合肥市满好科技有限公司 一种基于xr技术的交互监控管理系统
CN115277791A (zh) * 2022-09-26 2022-11-01 邹城市美安电子科技有限公司 一种基于数字孪生的建设工程现场检测管理系统
CN115563683A (zh) * 2022-10-13 2023-01-03 长江勘测规划设计研究有限责任公司 一种基于数字孪生的水利工程自动化安全监测管理系统
CN115587481A (zh) * 2022-09-27 2023-01-10 国网江苏省电力有限公司信息通信分公司 一种数据中心和电网系统之间博弈效益的解算方法及装置
CN115598639A (zh) * 2022-12-14 2023-01-13 山东大学（Cn） 隧道环境下毫米波雷达收集掌子面地质情况的设备与方法
CN115685845A (zh) * 2022-11-04 2023-02-03 成都市水利电力勘测设计研究院有限公司 基于数字孪生的流域、水库、灌区一体监控系统及方法
CN115761240A (zh) * 2023-01-10 2023-03-07 国科大杭州高等研究院 一种混沌反向传播图神经网络的图像语义分割方法及装置
CN115775092A (zh) * 2022-11-11 2023-03-10 中电建铁路建设投资集团有限公司 基于数字孪生技术的施工过程安全风险管控系统
CN115828390A (zh) * 2022-12-07 2023-03-21 长江勘测规划设计研究有限责任公司 一种面向水利水电工程安全监测的四预功能实现方法
CN115828139A (zh) * 2022-12-06 2023-03-21 国家电投集团广西长洲水电开发有限公司 基于振动信号的闸门结构安全评估和预测方法及系统
CN115824318A (zh) * 2023-02-27 2023-03-21 国网江西省电力有限公司电力科学研究院 用于立杆机工作状态的数字化管控的动态监测系统及方法
CN115937425A (zh) * 2022-12-16 2023-04-07 北京科技大学 一种室内地震避难混合现实演练方法及系统
CN115985515A (zh) * 2023-03-20 2023-04-18 广东工业大学 一种基于机器学习的弱视矫治效果预测方法、装置及设备
CN116029367A (zh) * 2022-12-26 2023-04-28 东北林业大学 一种基于个性化联邦学习的故障诊断模型优化方法
CN116192307A (zh) * 2023-03-06 2023-05-30 西安电子科技大学 非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质
CN116227250A (zh) * 2023-05-10 2023-06-06 国网冀北电力有限公司 知识图谱电力系统的功率流解空间边界计算方法及装置
CN116306234A (zh) * 2023-02-08 2023-06-23 淮阴工学院 一种燃气轮机的氮氧化物预测排放检测方法及系统
CN116362549A (zh) * 2023-05-22 2023-06-30 北京航天常兴科技发展股份有限公司 一种基于数据信息挖掘技术的火灾防控方法
CN116797493A (zh) * 2023-08-02 2023-09-22 北京中科闻歌科技股份有限公司 一种图像去噪处理系统
CN116881652A (zh) * 2023-06-26 2023-10-13 成都理工大学 基于优选负样本和随机森林模型的滑坡易发性评价方法
CN116910633A (zh) * 2023-09-14 2023-10-20 北京科东电力控制系统有限责任公司 一种基于多模态知识混合推理的电网故障预测方法
CN117010575A (zh) * 2023-09-27 2023-11-07 浙江远算科技有限公司 基于数字孪生的水库群多目标优化调度仿真方法以及系统
CN117077987A (zh) * 2023-10-16 2023-11-17 湖南省通晓信息科技有限公司 一种基于元胞自动机的环卫管理方法及存储介质
CN117078627A (zh) * 2023-08-18 2023-11-17 中国水利水电科学研究院 一种淤地坝坝体缺陷监测及安全评价方法及系统
CN117131708A (zh) * 2023-10-26 2023-11-28 中核控制系统工程有限公司 核工业dcs设备数字孪生抗震机理模型建模方法及应用
CN117149920A (zh) * 2023-10-27 2023-12-01 中国电建集团西北勘测设计研究院有限公司 大坝运维系统的多维数据物理模型建立方法及数据仓库
CN117237801A (zh) * 2023-08-22 2023-12-15 西北工业大学 一种基于自监督学习的多模态遥感图像变化检测方法
CN117272872A (zh) * 2023-11-21 2023-12-22 四川大学 一种基于分量分离的面板堆石坝变形监测方法
CN117268466A (zh) * 2023-09-25 2023-12-22 国家电投集团重庆狮子滩发电有限公司 一种大坝安全自动化监测系统
CN117349102A (zh) * 2023-12-05 2024-01-05 网思科技股份有限公司 数字孪生运维数据质量检验方法、系统和介质
CN117374946A (zh) * 2023-10-16 2024-01-09 国网江苏省电力有限公司南通供电分公司 一种基于消纳能力评估的配电网调度管理方法及系统
CN117371337A (zh) * 2023-12-07 2024-01-09 安徽金海迪尔信息技术有限责任公司 一种基于数字孪生的水利模型构建方法及系统
CN117408536A (zh) * 2023-12-15 2024-01-16 山东省物化探勘查院 基于ai的水下测绘实时分析系统
CN117575579A (zh) * 2024-01-17 2024-02-20 长江水利委员会长江科学院 基于bim与知识图谱的水利工程透视巡查方法及相关装置
CN117574303A (zh) * 2024-01-16 2024-02-20 深圳市九象数字科技有限公司 施工状况的监测预警方法、装置、设备及存储介质
CN117670068A (zh) * 2024-02-02 2024-03-08 青岛哈尔滨工程大学创新发展中心 一种auv实时风险评估系统及方法
CN117670689A (zh) * 2024-01-31 2024-03-08 四川辰宇微视科技有限公司 一种通过ai算法控制提高紫外像增强器图像质量的方法
CN117690093A (zh) * 2024-01-31 2024-03-12 华能澜沧江水电股份有限公司 大坝安全监测运行维护方法、装置、电子设备及存储介质
CN117726043A (zh) * 2024-02-05 2024-03-19 中科信德建设有限公司 一种水库水情自动测报及预报方法
CN118114559A (zh) * 2024-03-04 2024-05-31 郑州宝冶钢结构有限公司 一种基于bim模型安全措施族库的安全环境模拟检测方法
CN118214502A (zh) * 2024-05-17 2024-06-18 山东工程职业技术大学 一种数字广播信号质量实时监控方法及系统
CN118396859A (zh) * 2024-05-06 2024-07-26 南京邮电大学 一种基于状态空间模型的人脸图像复原方法
CN118536200A (zh) * 2024-06-06 2024-08-23 泸州职业技术学院 一种混凝土坝变形时空联合预警指标拟定方法及系统
CN118537381A (zh) * 2024-07-19 2024-08-23 水利部交通运输部国家能源局南京水利科学研究院 一种运行期土石坝上游坝坡水上水下坡比联合校准的方法
CN118625723A (zh) * 2024-08-12 2024-09-10 四川顶圣工程项目管理有限公司 一种水坝坝体施工现场在线管控系统
CN118656758A (zh) * 2024-08-16 2024-09-17 浙江大学 基于孪生数据多域挖掘的装备部件状态可信感知方法
CN118708095A (zh) * 2024-08-29 2024-09-27 公诚管理咨询有限公司 一种基于数字孪生的xr服务交互方法及系统
CN118747395A (zh) * 2024-07-03 2024-10-08 煤炭科学研究总院有限公司 尾矿库溃坝预测及模型建立方法、装置
CN118779644A (zh) * 2024-09-09 2024-10-15 浙江省嘉兴生态环境监测中心 一种基于生态功能数据分析的生态环境监测方法及系统
CN118799520A (zh) * 2024-09-11 2024-10-18 四川水发勘测设计研究有限公司 基于数字孪生的大坝地质结构稳定性验证方法及系统
CN118798003A (zh) * 2024-07-16 2024-10-18 广州珠源信息技术有限公司 一种基于数字孪生的智能水利预警方法及系统
CN118862697A (zh) * 2024-09-25 2024-10-29 浙江省水利河口研究院(浙江省海洋规划设计研究院) 一种基于数字孪生的洪涝灾害应急仿真方法及系统
CN119047376A (zh) * 2024-10-24 2024-11-29 菏泽市产品检验检测研究院 一种基于数字孪生的压力容器安全评价预警方法
CN119150246A (zh) * 2024-11-21 2024-12-17 水利部交通运输部国家能源局南京水利科学研究院 高心墙堆石坝坝顶裂缝的早期识别方法和系统
CN119203800A (zh) * 2024-11-29 2024-12-27 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器天地相关性表征方法、装置、设备及存储介质
CN119203615A (zh) * 2024-11-27 2024-12-27 中汽研汽车工业工程(天津)有限公司 一种数字孪生虚拟映射方法、系统及存储介质
CN119272538A (zh) * 2024-12-09 2025-01-07 西安理工大学 一种竖井旋流泄洪洞体型优化方法
CN119359589A (zh) * 2024-12-23 2025-01-24 中建四局贵州投资建设有限公司 预应力智能张拉及压浆质量监控方法及系统
CN119476939A (zh) * 2024-11-01 2025-02-18 山东黄河水利工程质量检测中心 一种水利工程渗流智能监测系统
CN119517257A (zh) * 2025-01-20 2025-02-25 河北工程大学 一种各向异性材料的拉深模拟方法
CN119558231A (zh) * 2025-01-26 2025-03-04 水电水利规划设计总院 基于数据增强和自适应网络的土石坝溃决流量预测方法
CN119624146A (zh) * 2025-02-14 2025-03-14 中铁水利信息科技有限公司 一种基于数字孪生的大坝安全监测系统及方法
CN119720829A (zh) * 2024-11-11 2025-03-28 华电金沙江上游水电开发有限公司苏洼龙分公司 大坝渗流压力在线预测方法及装置
CN119808606A (zh) * 2025-03-14 2025-04-11 北京航空航天大学 一种考虑结构特征的机队数字孪生损伤诊断和预测方法
CN119862639A (zh) * 2025-03-24 2025-04-22 中国电力工程顾问集团西南电力设计院有限公司 基于ai模型用语言生成变电站bim模型的实现方法
CN119919758A (zh) * 2025-04-02 2025-05-02 苏州城市学院 一种用于异常图像分割的无分割器训练数据集生成方法
US12299845B1 (en) 2024-05-06 2025-05-13 Nanjing University Of Posts And Telecommunications Face image restoration method based on state space model
CN119989939A (zh) * 2025-04-14 2025-05-13 水利部交通运输部国家能源局南京水利科学研究院 一种基于高坝出险模式及失效路径诊断结构服役性态方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222296A (zh) * 2021-06-07 2021-08-06 中国水利水电科学研究院 一种基于数字孪生的防洪调度方法
KR20210115245A (ko) * 2020-03-12 2021-09-27 이용 디지털 트윈 기반 지능형 댐 안전 관리 시스템
CN113914266A (zh) * 2021-10-14 2022-01-11 中国水利水电科学研究院 一种孪生大坝系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210115245A (ko) * 2020-03-12 2021-09-27 이용 디지털 트윈 기반 지능형 댐 안전 관리 시스템
CN113222296A (zh) * 2021-06-07 2021-08-06 中国水利水电科学研究院 一种基于数字孪生的防洪调度方法
CN113914266A (zh) * 2021-10-14 2022-01-11 中国水利水电科学研究院 一种孪生大坝系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
李巍;李宗坤;葛巍;郭新燕;: "基于改进可变模糊集法的溃坝生命损失评价及其应用", 天津大学学报(自然科学与工程技术版), no. 04, 10 April 2020 (2020-04-10) *
李民, 方莉: "大坝安全检查和失事模式评估", 大坝与安全, no. 04, 25 August 2005 (2005-08-25) *
盛金保;厉丹丹;蔡荨;彭雪辉;: "大坝风险评估与管理关键技术研究进展", 中国科学:技术科学, no. 10, 20 October 2018 (2018-10-20) *
贾超;李亚非;陈进;: "浅谈高坝建设中的可靠度风险分析", 水利学报, no. 1, 15 October 2007 (2007-10-15) *
顾冲时;苏怀智;刘何稚;: "大坝服役风险分析与管理研究述评", 水利学报, no. 01, 12 January 2018 (2018-01-12) *

Cited By (107)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115113528A (zh) * 2022-07-06 2022-09-27 昆仑芯(北京)科技有限公司 神经网络模型的运行控制方法、装置、设备及介质
CN115113528B (zh) * 2022-07-06 2023-07-25 昆仑芯(北京)科技有限公司 神经网络模型的运行控制方法、装置、设备及介质
CN115114804A (zh) * 2022-07-28 2022-09-27 哈尔滨理工大学 一种基于马尔可夫状态转移的水面无人巡逻艇多态系统建模方法
CN115081157B (zh) * 2022-08-19 2023-01-06 四川省水网信息科技有限责任公司 一种基于物联网的智慧水利监测方法和系统
CN115081157A (zh) * 2022-08-19 2022-09-20 四川省水网信息科技有限责任公司 一种基于物联网的智慧水利监测方法和系统
CN115115289A (zh) * 2022-08-29 2022-09-27 合肥市满好科技有限公司 一种基于xr技术的交互监控管理系统
CN115277791A (zh) * 2022-09-26 2022-11-01 邹城市美安电子科技有限公司 一种基于数字孪生的建设工程现场检测管理系统
CN115587481A (zh) * 2022-09-27 2023-01-10 国网江苏省电力有限公司信息通信分公司 一种数据中心和电网系统之间博弈效益的解算方法及装置
CN115587481B (zh) * 2022-09-27 2023-08-25 国网江苏省电力有限公司信息通信分公司 一种数据中心和电网系统之间博弈效益的解算方法及装置
CN115563683A (zh) * 2022-10-13 2023-01-03 长江勘测规划设计研究有限责任公司 一种基于数字孪生的水利工程自动化安全监测管理系统
CN115685845A (zh) * 2022-11-04 2023-02-03 成都市水利电力勘测设计研究院有限公司 基于数字孪生的流域、水库、灌区一体监控系统及方法
CN115775092A (zh) * 2022-11-11 2023-03-10 中电建铁路建设投资集团有限公司 基于数字孪生技术的施工过程安全风险管控系统
CN115775092B (zh) * 2022-11-11 2023-12-22 中电建铁路建设投资集团有限公司 基于数字孪生技术的施工过程安全风险管控系统
CN115828139A (zh) * 2022-12-06 2023-03-21 国家电投集团广西长洲水电开发有限公司 基于振动信号的闸门结构安全评估和预测方法及系统
CN115828390A (zh) * 2022-12-07 2023-03-21 长江勘测规划设计研究有限责任公司 一种面向水利水电工程安全监测的四预功能实现方法
CN115598639A (zh) * 2022-12-14 2023-01-13 山东大学（Cn） 隧道环境下毫米波雷达收集掌子面地质情况的设备与方法
CN115937425A (zh) * 2022-12-16 2023-04-07 北京科技大学 一种室内地震避难混合现实演练方法及系统
CN115937425B (zh) * 2022-12-16 2023-07-25 北京科技大学 一种室内地震避难混合现实演练方法及系统
CN116029367A (zh) * 2022-12-26 2023-04-28 东北林业大学 一种基于个性化联邦学习的故障诊断模型优化方法
CN115761240A (zh) * 2023-01-10 2023-03-07 国科大杭州高等研究院 一种混沌反向传播图神经网络的图像语义分割方法及装置
CN116306234B (zh) * 2023-02-08 2023-10-20 淮阴工学院 一种燃气轮机的氮氧化物预测排放检测方法及系统
CN116306234A (zh) * 2023-02-08 2023-06-23 淮阴工学院 一种燃气轮机的氮氧化物预测排放检测方法及系统
CN115824318A (zh) * 2023-02-27 2023-03-21 国网江西省电力有限公司电力科学研究院 用于立杆机工作状态的数字化管控的动态监测系统及方法
CN115824318B (zh) * 2023-02-27 2023-08-15 国网江西省电力有限公司电力科学研究院 用于立杆机工作状态的数字化管控的动态监测系统及方法
CN116192307A (zh) * 2023-03-06 2023-05-30 西安电子科技大学 非高斯噪声下分布式协同的多天线协作频谱智能感知方法、系统、设备及介质
CN115985515A (zh) * 2023-03-20 2023-04-18 广东工业大学 一种基于机器学习的弱视矫治效果预测方法、装置及设备
CN116227250B (zh) * 2023-05-10 2023-07-21 国网冀北电力有限公司 知识图谱电力系统的功率流解空间边界计算方法及装置
CN116227250A (zh) * 2023-05-10 2023-06-06 国网冀北电力有限公司 知识图谱电力系统的功率流解空间边界计算方法及装置
CN116362549A (zh) * 2023-05-22 2023-06-30 北京航天常兴科技发展股份有限公司 一种基于数据信息挖掘技术的火灾防控方法
CN116362549B (zh) * 2023-05-22 2023-08-04 北京航天常兴科技发展股份有限公司 一种基于数据信息挖掘技术的火灾防控方法
CN116881652A (zh) * 2023-06-26 2023-10-13 成都理工大学 基于优选负样本和随机森林模型的滑坡易发性评价方法
CN116881652B (zh) * 2023-06-26 2024-04-05 成都理工大学 基于优选负样本和随机森林模型的滑坡易发性评价方法
CN116797493B (zh) * 2023-08-02 2024-01-26 北京中科闻歌科技股份有限公司 一种图像去噪处理系统
CN116797493A (zh) * 2023-08-02 2023-09-22 北京中科闻歌科技股份有限公司 一种图像去噪处理系统
CN117078627B (zh) * 2023-08-18 2024-02-27 中国水利水电科学研究院 一种淤地坝坝体缺陷监测及安全评价方法及系统
CN117078627A (zh) * 2023-08-18 2023-11-17 中国水利水电科学研究院 一种淤地坝坝体缺陷监测及安全评价方法及系统
US12159385B1 (en) 2023-08-18 2024-12-03 China Institute Of Water Resources And Hydropower Research Method and system for monitoring and safety evaluation of dam body defect of check dam
CN117237801A (zh) * 2023-08-22 2023-12-15 西北工业大学 一种基于自监督学习的多模态遥感图像变化检测方法
CN116910633B (zh) * 2023-09-14 2024-01-23 北京科东电力控制系统有限责任公司 一种基于多模态知识混合推理的电网故障预测方法
CN116910633A (zh) * 2023-09-14 2023-10-20 北京科东电力控制系统有限责任公司 一种基于多模态知识混合推理的电网故障预测方法
CN117268466A (zh) * 2023-09-25 2023-12-22 国家电投集团重庆狮子滩发电有限公司 一种大坝安全自动化监测系统
CN117268466B (zh) * 2023-09-25 2024-06-04 国家电投集团重庆狮子滩发电有限公司 一种大坝安全自动化监测系统
CN117010575A (zh) * 2023-09-27 2023-11-07 浙江远算科技有限公司 基于数字孪生的水库群多目标优化调度仿真方法以及系统
CN117010575B (zh) * 2023-09-27 2023-12-19 浙江远算科技有限公司 基于数字孪生的水库群多目标优化调度仿真方法以及系统
CN117077987A (zh) * 2023-10-16 2023-11-17 湖南省通晓信息科技有限公司 一种基于元胞自动机的环卫管理方法及存储介质
CN117374946B (zh) * 2023-10-16 2024-06-11 国网江苏省电力有限公司南通供电分公司 一种基于消纳能力评估的配电网调度管理方法及系统
CN117077987B (zh) * 2023-10-16 2024-01-02 湖南省通晓信息科技有限公司 一种基于元胞自动机的环卫管理方法及存储介质
CN117374946A (zh) * 2023-10-16 2024-01-09 国网江苏省电力有限公司南通供电分公司 一种基于消纳能力评估的配电网调度管理方法及系统
CN117131708B (zh) * 2023-10-26 2024-01-16 中核控制系统工程有限公司 核工业dcs设备数字孪生抗震机理模型建模方法及应用
CN117131708A (zh) * 2023-10-26 2023-11-28 中核控制系统工程有限公司 核工业dcs设备数字孪生抗震机理模型建模方法及应用
CN117149920A (zh) * 2023-10-27 2023-12-01 中国电建集团西北勘测设计研究院有限公司 大坝运维系统的多维数据物理模型建立方法及数据仓库
CN117272872B (zh) * 2023-11-21 2024-01-30 四川大学 一种基于分量分离的面板堆石坝变形监测方法
CN117272872A (zh) * 2023-11-21 2023-12-22 四川大学 一种基于分量分离的面板堆石坝变形监测方法
CN117349102A (zh) * 2023-12-05 2024-01-05 网思科技股份有限公司 数字孪生运维数据质量检验方法、系统和介质
CN117349102B (zh) * 2023-12-05 2024-03-15 网思科技股份有限公司 数字孪生运维数据质量检验方法、系统和介质
CN117371337A (zh) * 2023-12-07 2024-01-09 安徽金海迪尔信息技术有限责任公司 一种基于数字孪生的水利模型构建方法及系统
CN117371337B (zh) * 2023-12-07 2024-03-15 安徽金海迪尔信息技术有限责任公司 一种基于数字孪生的水利模型构建方法及系统
CN117408536A (zh) * 2023-12-15 2024-01-16 山东省物化探勘查院 基于ai的水下测绘实时分析系统
CN117574303A (zh) * 2024-01-16 2024-02-20 深圳市九象数字科技有限公司 施工状况的监测预警方法、装置、设备及存储介质
CN117574303B (zh) * 2024-01-16 2024-05-07 深圳市九象数字科技有限公司 施工状况的监测预警方法、装置、设备及存储介质
CN117575579B (zh) * 2024-01-17 2024-04-09 长江水利委员会长江科学院 基于bim与知识图谱的水利工程透视巡查方法及相关装置
CN117575579A (zh) * 2024-01-17 2024-02-20 长江水利委员会长江科学院 基于bim与知识图谱的水利工程透视巡查方法及相关装置
CN117690093A (zh) * 2024-01-31 2024-03-12 华能澜沧江水电股份有限公司 大坝安全监测运行维护方法、装置、电子设备及存储介质
CN117690093B (zh) * 2024-01-31 2024-04-26 华能澜沧江水电股份有限公司 大坝安全监测运行维护方法、装置、电子设备及存储介质
CN117670689A (zh) * 2024-01-31 2024-03-08 四川辰宇微视科技有限公司 一种通过ai算法控制提高紫外像增强器图像质量的方法
CN117670068B (zh) * 2024-02-02 2024-04-12 青岛哈尔滨工程大学创新发展中心 一种auv实时风险评估系统及方法
CN117670068A (zh) * 2024-02-02 2024-03-08 青岛哈尔滨工程大学创新发展中心 一种auv实时风险评估系统及方法
CN117726043B (zh) * 2024-02-05 2024-05-03 中水君信工程勘察设计有限公司 一种水库水情自动测报及预报方法
CN117726043A (zh) * 2024-02-05 2024-03-19 中科信德建设有限公司 一种水库水情自动测报及预报方法
CN118114559A (zh) * 2024-03-04 2024-05-31 郑州宝冶钢结构有限公司 一种基于bim模型安全措施族库的安全环境模拟检测方法
CN118396859A (zh) * 2024-05-06 2024-07-26 南京邮电大学 一种基于状态空间模型的人脸图像复原方法
US12299845B1 (en) 2024-05-06 2025-05-13 Nanjing University Of Posts And Telecommunications Face image restoration method based on state space model
CN118214502A (zh) * 2024-05-17 2024-06-18 山东工程职业技术大学 一种数字广播信号质量实时监控方法及系统
CN118536200B (zh) * 2024-06-06 2024-12-03 泸州职业技术学院 一种混凝土坝变形时空联合预警指标拟定方法及系统
CN118536200A (zh) * 2024-06-06 2024-08-23 泸州职业技术学院 一种混凝土坝变形时空联合预警指标拟定方法及系统
CN118747395A (zh) * 2024-07-03 2024-10-08 煤炭科学研究总院有限公司 尾矿库溃坝预测及模型建立方法、装置
CN118798003A (zh) * 2024-07-16 2024-10-18 广州珠源信息技术有限公司 一种基于数字孪生的智能水利预警方法及系统
CN118537381A (zh) * 2024-07-19 2024-08-23 水利部交通运输部国家能源局南京水利科学研究院 一种运行期土石坝上游坝坡水上水下坡比联合校准的方法
CN118625723A (zh) * 2024-08-12 2024-09-10 四川顶圣工程项目管理有限公司 一种水坝坝体施工现场在线管控系统
CN118656758B (zh) * 2024-08-16 2024-10-25 浙江大学 基于孪生数据多域挖掘的装备部件状态可信感知方法
CN118656758A (zh) * 2024-08-16 2024-09-17 浙江大学 基于孪生数据多域挖掘的装备部件状态可信感知方法
CN118708095A (zh) * 2024-08-29 2024-09-27 公诚管理咨询有限公司 一种基于数字孪生的xr服务交互方法及系统
CN118779644A (zh) * 2024-09-09 2024-10-15 浙江省嘉兴生态环境监测中心 一种基于生态功能数据分析的生态环境监测方法及系统
CN118799520A (zh) * 2024-09-11 2024-10-18 四川水发勘测设计研究有限公司 基于数字孪生的大坝地质结构稳定性验证方法及系统
CN118862697A (zh) * 2024-09-25 2024-10-29 浙江省水利河口研究院(浙江省海洋规划设计研究院) 一种基于数字孪生的洪涝灾害应急仿真方法及系统
CN119047376A (zh) * 2024-10-24 2024-11-29 菏泽市产品检验检测研究院 一种基于数字孪生的压力容器安全评价预警方法
CN119476939A (zh) * 2024-11-01 2025-02-18 山东黄河水利工程质量检测中心 一种水利工程渗流智能监测系统
CN119720829B (zh) * 2024-11-11 2025-07-08 华电金沙江上游水电开发有限公司苏洼龙分公司 大坝渗流压力在线预测方法及装置
CN119720829A (zh) * 2024-11-11 2025-03-28 华电金沙江上游水电开发有限公司苏洼龙分公司 大坝渗流压力在线预测方法及装置
CN119150246B (zh) * 2024-11-21 2025-01-28 水利部交通运输部国家能源局南京水利科学研究院 高心墙堆石坝坝顶裂缝的早期识别方法和系统
CN119150246A (zh) * 2024-11-21 2024-12-17 水利部交通运输部国家能源局南京水利科学研究院 高心墙堆石坝坝顶裂缝的早期识别方法和系统
CN119203615B (zh) * 2024-11-27 2025-03-04 中汽研汽车工业工程(天津)有限公司 一种数字孪生虚拟映射方法、系统及存储介质
CN119203615A (zh) * 2024-11-27 2024-12-27 中汽研汽车工业工程(天津)有限公司 一种数字孪生虚拟映射方法、系统及存储介质
CN119203800B (zh) * 2024-11-29 2025-02-28 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器天地相关性表征方法、装置、设备及存储介质
CN119203800A (zh) * 2024-11-29 2024-12-27 中国空气动力研究与发展中心计算空气动力研究所 一种飞行器天地相关性表征方法、装置、设备及存储介质
CN119272538A (zh) * 2024-12-09 2025-01-07 西安理工大学 一种竖井旋流泄洪洞体型优化方法
CN119359589A (zh) * 2024-12-23 2025-01-24 中建四局贵州投资建设有限公司 预应力智能张拉及压浆质量监控方法及系统
CN119517257B (zh) * 2025-01-20 2025-04-25 河北工程大学 一种各向异性材料的拉深模拟方法
CN119517257A (zh) * 2025-01-20 2025-02-25 河北工程大学 一种各向异性材料的拉深模拟方法
CN119558231A (zh) * 2025-01-26 2025-03-04 水电水利规划设计总院 基于数据增强和自适应网络的土石坝溃决流量预测方法
CN119624146A (zh) * 2025-02-14 2025-03-14 中铁水利信息科技有限公司 一种基于数字孪生的大坝安全监测系统及方法
CN119808606A (zh) * 2025-03-14 2025-04-11 北京航空航天大学 一种考虑结构特征的机队数字孪生损伤诊断和预测方法
CN119862639A (zh) * 2025-03-24 2025-04-22 中国电力工程顾问集团西南电力设计院有限公司 基于ai模型用语言生成变电站bim模型的实现方法
CN119862639B (zh) * 2025-03-24 2025-05-20 中国电力工程顾问集团西南电力设计院有限公司 基于ai模型用语言生成变电站bim模型的实现方法
CN119919758A (zh) * 2025-04-02 2025-05-02 苏州城市学院 一种用于异常图像分割的无分割器训练数据集生成方法
CN119989939A (zh) * 2025-04-14 2025-05-13 水利部交通运输部国家能源局南京水利科学研究院 一种基于高坝出险模式及失效路径诊断结构服役性态方法
CN119989939B (zh) * 2025-04-14 2025-07-04 水利部交通运输部国家能源局南京水利科学研究院 一种基于高坝出险模式及失效路径诊断结构服役性态方法

Also Published As

Publication number Publication date
CN114707227B (zh) 2024-10-08

Similar Documents

Publication Publication Date Title
CN114707227B (zh) 一种基于数字孪生的大坝安全预警消警方法及系统
Zhang et al. Big data and artificial intelligence based early risk warning system of fire hazard for smart cities
US12050845B2 (en) Estimating physical parameters of a physical system based on a spatial-temporal emulator
Mihaylova et al. Overview of Bayesian sequential Monte Carlo methods for group and extended object tracking
CN117829534A (zh) 一种基于bim的涉路施工项目智能安全管控方法及系统
Zhang et al. A data driven method for multi-step prediction of ship roll motion in high sea states
CN114723904A (zh) 机场数据的动态管理方法、系统、计算机设备和存储介质
CN116911571A (zh) 一种矿山运行与维护监控系统
Plevris AI-driven innovations in earthquake risk mitigation: a future-focused perspective
Wang et al. Intelligent design and optimization of exercise equipment based on fusion algorithm of YOLOv5-ResNet 50
Ruan et al. Proactive control model for safety prediction in tailing dam management: Applying graph depth learning optimization
Li et al. Efficient regional seismic risk assessment via deep generative learning of surrogate models
Chang et al. A spatial–temporal deep learning-based warning system against flooding hazards with an empirical study in Taiwan
Xie Deep learning in earthquake engineering: A comprehensive review
Yu et al. Deep learning and IoT enabled digital twin framework for monitoring open-pit coal mines
Wriggers et al. Intelligent support of engineering analysis using ontology and case-based reasoning
Camps-Valls et al. AI for Extreme Event Modeling and Understanding: Methodologies and Challenges
Mirakhorlo et al. Integration of SimWeight and Markov chain to predict land use of Lavasanat Basin
CN118966784A (zh) 隧道施工中地质风险预测方法、系统、设备、介质及产品
Şimşek et al. The role and applications of artificial intelligence (AI) in disaster management
Zeng et al. Prediction of shield tunneling attitude: a hybrid deep learning approach considering feature temporal attention
Bolt et al. A neural emulator for uncertainty estimation of fire propagation
Bhardwaj Application of artificial intelligence in disaster response
Kantekin The Impact of Incomplete Landslide Inventories on Susceptibility Mapping: Assessment and Solutions
Han et al. Detection of emergency disaster using human action recognition based on LSTM model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant