高 强,彭 秀 华

(国能大渡河流域水电开发有限公司,四川 成都 610041)

0 引 言

拦河大坝在发电、灌溉和防洪方面取得了巨大的社会和经济效益,但由于技术限制和工程复杂性,存在溃坝风险,可能造成下游生命和经济的损失。因此,加强大坝风险分析和评价,为风险控制和安全决策提供参考和科学依据至关重要[1]。

国内外关于大坝风险分析的研究已有很多,如田林钢等[2]利用模糊数对大坝安全性态进行综合评判;Zhang等[3]利用蒙特卡罗和JC理论对大坝洪水漫顶风险进行综合评估,但这种传统的概率计算考虑的风险因素较少;叶伟等[4]将加权优化D-S证据理论引入大坝安全评价,并将其应用在中国某水库大坝;王丽萍等[5]利用改进F-N曲线法分析了大坝可接受风险水平。但上述方法未考虑评估过程中指标的模糊性与随机性。云模型可以较好地解决上述问题,如刘可心等[6]利用云模型理论对混凝土坝变形进行安全评价,实例表明云模型对变形监测数据有较高的精度;Liu等[7]采用云模型对锦屏一级水电站边坡稳定性进行综合评价,结果表明云模型能较好地考虑各排序因子的影响。熵权法是一种客观赋权的方法,可对主观评价进行修正[8]。本文采用云模型和熵权法综合评价大坝的安全性态,既能解决评价指标模糊性和随机性的问题,又能避免单一方法存在评判失误的可能。

大岗山高拱坝竣工于2014年,现场已收集有大量监测数据和工程地质资料。为科学评估大坝运行期的安全状态,本文首先调查影响大坝稳定性的因素,确定各项风险指标,其次基于云模型评价单因素风险等级,最后利用熵权法获得了各风险指标综合权重,以确定整体的风险等级。

1 拱坝稳定性影响因素调查

大坝稳定性受洪水、库区滑坡、地震和坝体自身缺陷等多因素影响,故此次调查从工程风险因素、环境风险因素和人为风险因素3个维度将可能存在的各类风险因素进行细化[9]。

大岗山水电站坝址区处于磨西断裂、大渡河断裂和金坪断裂等多组断裂带的交汇复合部位,如图1所示,右岸边坡高程940～1 135 m段发育β62、β68、β85和β4等53条辉绿岩脉和89条断层,其中f231断层及其上盘发育的19条中等倾角小断层,对坝肩边坡稳定不利,因此断层破碎带属于影响坝体稳定性的主要因素之一。若坝肩软弱结构面处理不当、坝顶高程设计不符合防洪和结构安全要求、横缝设置不当,均有可能导致坝体失稳。因此将工程地质和工程质量考虑进大坝稳定性影响因素体系。

图1 右岸边坡主要断层分布Fig.1 Distribution of main faults on the right bank slope

坝体位移是大坝运行状态的直观反映,属于工程结构安全下的风险因素,在2022年9月5日泸定6.8级地震时,坝体拱冠梁位置14号坝段的垂线测点位移均发生突变,其中径向位移的突变尤为明显,IP14-1和PL14-1位移在地震影响下分别突增约4 mm和25 mm。故将地震荷载作为环境风险因素的一项评价指标。此外,由于现场管理不当、操作不规范,导致上游大体积漂移物堵塞泄水设施、泄水闸门故障不能正常开启等现象,水库不能及时泄水,可能造成水位漫过坝顶,冲刷下游坝基,威胁大坝稳定性和下游居民安全。因此将运行管理作为人为风险因素纳入评估体系的构建中。

通过类似上述的风险因素调查,充分考虑工程实际情况,结合大岗山拱坝现场地质条件,对现场监测资料进行分类整理分析,最后得到影响大岗山高拱坝稳定性的影响因素,如图2所示。

图2 大坝稳定性影响因素评估体系Fig.2 Evaluation system of influencing factors of dam stability

2 拱坝单因素风险等级评价

大坝稳定性影响因素具有复杂性和不确定性,采用云模型可以较好地解决此类问题[10]。云理论能将定性概念转换成定量描述[11]。可以采用正向云发生器生成“云滴”图,其数字特征用期望Ex、熵En和超熵He来表示。其中,Ex表示云滴在论域空间分布的期望,熵En反映论域空间中可被定性概念接受的云滴的取值范围,超熵He是描述熵不确定性的度量,表示影响因素的离散程度[12]。

2.1 建立指标评价集

首先利用云模型赋予大坝一组评语集,对评语集中的风险等级进行描述。每个评语的取值边界为[Umin,Umax],可计算出各评语云模型的数字特征为

(1)

式中:Umin和Umax分别为某风险等级下评语取值边界的下限和上限值;k为常数,可根据评语本身的模糊程度来具体调整。

本文参考文献[13]对5个风险评估等级区间进行划分,采用10分制进行评判,根据分数越大风险越大的原则量化5个分值区间,并给出相应的应对措施:低风险等级区间为[0,2),表明大坝存在的风险可以接受,无须采取降低措施;较低风险等级区间为[2,4),表明大坝存在的风险不明显,需要采用一般措施进行防护;中等风险等级区间为[4,6),表明大坝风险明显,须采取适当防护措施降低风险;较高风险等级区间为[6,8),表明大坝风险较为明显,风险发生后果较严重,须将其降低到允许的合理范围内;高风险等级区间为[8,10],表明大坝风险不可被接受,风险发生后果很严重,应重点监测并及时加以防护。表1为大坝风险等级及对应云模型,其对应的风险等级评估云图如图3所示。

表1 风险等级及其对应云模型Tab.1 Risk levels and corresponding cloud models

图3 风险等级标准云Fig.3 Standard cloud of risk level

2.2 单风险因素评价

基于前述25项风险因素,利用“问卷星”软件设计专家评分表,专家依据自身经验对各风险指标打分。表2为不同专家对不同风险因素的评分结果,共计收回有效评分23份,有效评分中参与评分的人员身份包括:研究人员(86%)、管理人员(5%)、施工人员(9%)。

表2 专家评分结果Tab.2 Results of expert evaluation score

由于人工评分的周期长短不稳定,为了获取足量可靠的评分样本数据,根据原始样本数据概率分布,获取专家评分的直觉区间,通过Python编程实现具有人工直觉的机器评分系统,将数据集扩充至100份并对其进行云模型计算。具体扩充步骤为:首先将23位专家对25项风险因素的评分数据整理为23×25的矩阵,识别读取每列每个数字的概率分布,得到累积分布。然后生成一个均匀分布的数字x,取值为(0,1)。图4(a)为原始数据集利用云模型计算得到的特征值,图4(b)为将原始数据扩充至100份并对其进行云模型计算得到的特征值,对比可知两者各单因素期望值基本一致,表明数据可靠。

图4 云模型特征值Fig.4 Eigenvalues of the cloud model

根据专家对风险指标打分获得与风险因素集相对应的权重集,利用逆向云发生器得到权系数矩阵和综合评判矩阵。将权系数矩阵和综合评判矩阵通过模糊合成算子和云运算得到评价云模型的数字特征,采用正向云发生器生成各评语云和评价云模型的“云滴”图,并结合生成的Ex值进行对比,最终得出3级指标风险等级分布情况,风险等级为低、较低和高的指标数量都为0,风险等级为中等和较高的指标数量分别为15和10。限于篇幅,图5仅展示坝体混凝土强度和人员管理的云模型评价结果,从“云滴”图中可以直观地判断出各风险指标的风险等级,由于每个风险指标通过计算得出的风险等级不同,其所在的风险等级区间也不同,“评价云”位于哪个等级区间,则判断该指标的风险等级为哪个评估等级。总结云模型评价结果可知,大岗山高拱坝在运行期存在一定风险,但是可将风险控制在安全范围内,因此后续应持续对高风险因素进行监测。

图5 单因素风险等级评价云滴图Fig.5 Cloud drop charts of single factor risk level evaluation

3 拱坝风险等级综合评价

3.1 熵权模糊综合评价

熵权法是一种依据指标的变异性传递程度来确定指标权重的方法,反映了指标信息熵值的实用价值,因此计算得到的指标权重比较客观[14]。熵在信息论中用来衡量结构的稳定性程度,熵值越大,对整体的影响越大,反之则越小。运用熵权法可对指标的主观评分进行修正,所确定的指标更加合理[15]。基于熵权法的指标权重计算步骤如下:

(2) 计算各指标的信息熵。第j个评价指标的信息熵为

(2)

(3) 计算各指标的熵权。计算出各个指标的信息熵为H1,H2,…,Hn,通过信息熵计算各个指标的权重:

(3)

3.2 权重确定及风险等级划分

依据单因素的评价结果计算得到平均指标分数,具体分布见图6(a),安全分级依据见表3。由图6(a)可知,断层破碎U1和坝体混凝土压实度U5平均分最高,均为7分,表明断层破碎和坝体混凝土压实度对工程影响较大,而坝顶高程U7平均分最低,为4.2分,即坝顶高程是影响相对较小的风险因素,符合工程实际,表明数据真实有效。

表3 安全等级划分Tab.3 Classification of security level

图6 风险指标参数Fig.6 Parameters of risk indexes

由式(2)计算出各个指标的信息熵(见图6(b)),并根据信息熵的计算结果由式(3)计算各三级指标的综合权重(见图6(c))。由图6(c)可知,三级风险指标地震荷载U19和软弱夹层U3的综合权重较高,分别为0.118和0.091。由指标平均分和综合权重计算一级风险指标评估分数和加权分数(见表4),环境风险因素得分最高,其次为工程风险因素,人为风险因素最低。最终得出大岗山高拱坝稳定性加权分为5.69。依据表4划分的安全等级,最终得分对应的影响等级为Ⅲ级,即大坝存在一定风险,与前文云模型对各单因素风险等级评价结果吻合。

表4 一级指标评估分数Tab.4 Evaluation scores of first-level indexes

4 结 论

(1) 云模型计算结果表明,25个三级风险指标均位于中风险和较高风险等级区间,熵权法则确定了大坝整体风险等级为Ⅲ级,即存在一定风险。云模型与熵权法评估结果吻合,与现场情况相符。

(2) 云模型解决了各因素随机性和模糊性的问题,且基于熵权法的综合评价结果弱化了专家评分的主观因素造成的不确定性。基于云模型和熵权法对大坝风险等级评估的过程易操作,条理清晰,结果直观,为类似的大坝风险评价提供了一种有效方法。