1、工程实践水利技术监督2023 年第 2 期DOI:10.3969/j.issn.1008-1305.2023.02.070SBAS 监测技术在大坝变形监测中的应用孙志豪(辽宁省水利水电勘测设计研究院有限公司，辽宁 沈阳 110000)摘要:SBAS 监测技术可应用于大区域、长时间的地面沉降监测。文章以某大坝为对象，利用 SBAS 监测技术对大坝不同位置的沉降量与沉降速率进行监测，对比实际水准点沉降量进行精度分析，结果表明采用 SBAS 技术监测得到的沉降量比实际水准点监测得到的累计沉降量相关系数要高，虽存在部分中误差较高的个例，但总体一致。SBAS 监测技术可用于大坝变形监测，具有一定的推广价
2、值。关键词:SBAS 监测技术;变形;沉降量;中误差中图分类号:TV698.11文献标识码:A文章编号:1008-1305(2023)02-0285-04收稿日期:2022-10-17作者简介:孙志豪(1996 年)，男，助理工程师。E-mail:大坝等基础设施的合理使用对于保障民生，保护当地水土等自然生态资源，对周边居民的生活生产有着重要的作用1-2。但大坝的建成，也为周边的生活生产带来了威胁与挑战，近年来全国各地不断报道由大坝变形引起的边坡失稳甚至垮塌带来的社会及群众生命财产损失的案例。因此对大坝的变形进行实时监测，及时反馈并迅速做出应对至关重要。普通的监测技术对于大坝变形方面的监测浪费大
3、量人力、物力、财力，因此，寻找一种能够有效监测大坝变形且省时省力的监测方法对保障水利设施安全有着至关重要的作用。王利3 通过灰色预测模型 GM(1，1)和动态灰色预测模型进行建模，并将该模型应用于大坝变形预测，借助实测信息进行对比，结果发现等维信息动态预测的预测效果最好，灰色 GM(1，1)模型由于其静态特征预测精度最低，并认为采用动态预测模型能够更好地预测大坝的变形信息。曾凡祥4 借助 LM(Leverberg Mar-quart)对传统的 BP 神经网络算法进行优化，并将其应用于大坝变形监测方面，最终借助试验证明优化后的 BP 神经网络算法对于大坝变形预测精度较高，且训练速度快，计算更为简
4、洁。徐锋5 针对BP 神经网络算法随机性较强导致的计算速度慢等缺点，采用粒子群算法(PSO)对其权值和阈值进行优化，并借助实际监测大坝的水平位移资料进行对比分析，发现相较于传统的 BP 神经网络算法，优化后的算法精度更高，收敛更快。但这些模型或预测方法仍存在一定的局限性。本文以某地水坝为对象，采用 SBAS 监测技术，对比水准监测结果，对 SBAS 监测技术在大坝变形领域的适用性进行研究，为其在水利设施监测领域的应用提供参考依据。1工程概况某水利枢纽工程大坝坝顶长约 621.5m、坝体最高处的高度为 51.6m。该大坝包含 3 孔冲沙闸和9 孔泄洪闸以及溢流坝。其中，3 孔冲沙闸与 9 孔泄洪
5、闸的底板水准高程约为 198m，溢流坝前沿长度约为 195m，大坝左侧有接头坝，其坝长约为337m，最高处高程为 218m。该坝区水电站安装有4 台贯流式机组，总装机容量为 120MW。水坝地处当地丘陵区域，平均海拔在 200 1100m 海拔区间内。该丘陵区域沟谷发育，河谷一般呈盆地状展开，其宽度在 511 832m 范围内。该地区地层主要包含侏罗纪系内陆河湖相沉积的砂岩，粉砂岩以及粉砂质泥岩。其岩相变化较大，砂岩交错发育，砂岩底部经常出现形状不规则的泥团状物质。由第四系河流冲积形成的卵砾石层，主要表现为上部砂土，下部卵砾石夹砂，其厚度集中于 3 18m 区间内，且主要分布于河床周围。而其洪
6、坡积堆积层主要集中分布于洼地等处，堆积层主要为红褐色黏性土夹杂碎卵石，厚度集中于 1 18m 范围内。大坝所在区域地震活动较弱，5822023 年第 2 期水利技术监督工程实践位于拗陷带的东北翼缘处，地势较为平缓。2研究方法差分干涉测量短基线集时序分析技术(SmallBaseline Subset InSA，SBAS-InSA)将时间基线与空间基线自由组合，从而形成不同的小基线集合，基线集合的增多，能够增加不同时间与空间的观测值，在一定程度上大大提高了监测的精度。其原理为对于 X+1 景所覆盖的图像，将其按照时间顺序进行排序，在不同的时间序列上进行自由组合，生成不同的小基线集合，通过差分干涉的
7、方法生成指定数量的干涉图像。不同时间线组合而成的干涉图的干涉相位差可表示为:j(x，r)=B(x，r)A(x，r)(1)上式可以近似等于:j(x，r)def(x，r)+top(x，r)+atm(x，r)+noise(x，r)(2)式中，j第 j 幅图的干涉相位差;A(x，r)对应时间段为 A 时刻的影像对时间为 0 时刻的相位;B(x，r)对应时间段为 B 时刻的影像对时间为 0时刻的相位;def(x，r)变形相位;top(x，r)地形相位;atm(x，r)大气相位;noise(x，r)噪音相位。不考虑大气相位和噪音相位，可将上述式子化简为:=A(3)式中，干涉相位差;A矩阵;对应0 时刻的相
8、位。通过 DSM 对地形相位 top(x，r)进行去除，使用滤波的方法降低噪音相位 noise(x，r)的影响;使用线性模型计算平均变形速率，考虑滤波处理过的大气相位和噪音相位的非线性结果，二者进行叠加得到最终的变形结果。3结果分析3.1进出水口变形结果分析为了研究大坝的变形，将大坝的进水口、出水口、以及西坝部分逆时针获取进水口断面 c c、出水口断面 j j、西坝断面 d d 3 个断面。并在突出位置标定特征点 A、B、C、D、E、F、G、H、J 等 9 个特征点，如图 1 所示。大坝进出水口的不同断面变形速率与累计变形量如图 2 所示。图 2(a)为坝体中轴线距离与沉降速率关系图，图 1大
9、坝实际变形速率及特征点与断面位置图图 2大坝进出水口的断面变形速率与特征点累计变形量由图 2(a)可以看出，在同一断面中迎水坡的沉降速率大于背水坡的沉降速率，其中在坝体的出水口断面处迎水坡的沉降速率约为 21mm/a，出水口相比其他 2 个部分的沉降速率大，沉降现象最严重。在进水口断面处，沉降速率一直维持在 0 5mm/a 区间段，较稳定，总体沉降量最低。为了更进一步看出沉降量的变化，由图 2(b)所示的特征点累计变形量图可以看出，20142020 年，特征点 J 的累计沉降量最大，且随着时间的增长，沉降量呈线性增长趋势，至 2020 年 10 月总体沉降量达 130mm。特征点 D 与 J
10、类似，而 C 和 E 2 个特征点处随时间增长，沉降量变化较小，总体较稳定。682工程实践水利技术监督2023 年第 2 期3.2精度分析将 SBAS 变形中的水准点与实际水准点数据进行对比，采用中误差(均方根差)和相关系数的形式分析监测精度。中误差公式为:m=1n 1ni=1(di li)2(4)式中，m中误差;n样本数;di水准点第 i 时刻的累计变形量;li实际状态下的第 i 时刻的累计变形量。考虑到 InSA 所监测沉降量的角度是沿着雷达视线的角度，将其统一转换为垂直状态下的变形:h=lcos(5)式中，h垂直方向上观测得到的沉降量;l斜视观测得到的沉降量;雷达倾角。随机选取大坝上的不
11、同水准点，与 SBAS 监测下的沉降量进行对比，结果如图 3 所示。由图3 可以看出，随机选取的 6 个特征点其平均相关系数均在 0.95 以上，中误差在 20mm 以内的点占总数量的75%。由图 3(a)、(d)、(e)、(f)可以看出，由于特征点的取点方法从小到大为自东向西，因此对于大坝东部和大坝西部，受水位影响的总体变形量较小，各点位累计变形量的方差均值为16mm，不同水准点之间的中误差值均较小，实际水准点与 SBAS 所监测得到的水准点累计沉降量最为接近。在图3(b)(c)中，中误差值较大，可能是当地地下水的过度开发造成的地面沉降。在使用(5)式转换过程中垂直误差引起了较大的中误差，致
12、使中误差达到32.3mm 和 40.4mm，但二者相关系数均在 0.95 以上，对比于实际的累计沉降量依然具备一致性。3.3危险性分析参照规范 DD 201411地面沉降干涉雷达数据处理技术规程 的危险性评价标准，将不同沉降速率进行分类见表 1。图 3不同特征点的累计沉降量对比图7822023 年第 2 期水利技术监督工程实践表 1沉降速率分类标准单位:mm/a速率区间 10(10，30)(30，50)(50，80)80所属标准低沉降区域较低沉降区域中等沉降区域较高沉降区域高沉降区域对比前文可以看出该大坝的中部区域沉降量较低，沉降速率最大值为 21mm/a，累计沉降量达135mm，属较低沉降区
13、域。而坝体西部区域的沉降速 率 最 大 值 为 52mm/a，累 计 沉 降 量 达270mm，属较高沉降区域。4结论本文以某大坝为对象，借助 SBAS 监测技术得到的大坝不同位置的沉降量与沉降速率，对比实际水准点的沉降。结果显示坝体的出水口相比其他部分的沉降速率大，沉降现象最为严重。进水口断面处，较为稳定，总体沉降量最低。大坝中部区域沉降量较低，西部区域的沉降速率及累计沉降量较大。通过 SBAS 技术得到的沉降量与实际水准点监测得到的累计沉降量相关系数较高，虽存在部分中误差较高的个例，但总体具备一致性，SBAS 监测技术可应用于大坝变形监测。SBAS 监测技术在大坝变形监测时，存在部分中误差
14、较高的情况，建议在监测过程中，定期人工符合，确保监测数据的准确。参考文献 1周国树，章书寿 精密三角高程测量在大坝沉降监测中应用的试验研究 J 大坝观测与土工测试，1996(5):23-27 2宋志荣 某混凝土面板堆石坝数值模拟与监测分析J 广东水利水电，2021(8):44-49 3王利，张双成，李亚红 动态灰色预测模型在大坝变形监测及预报中的应用研究 J 西安科技大学学报，2005，25(3):5 4曾凡祥，李勤英 基于 LM 算法的 BP 神经网络在大坝变形监测数据处理中的应用 J 水电与抽水蓄能，2008，32(5):72-75 5徐锋，王崇倡，张飞 粒子群 BP 神经网络模型在大坝变
15、形监测中的应用 J 测绘科学，2012，37(4):3(上接第 279 页)3.4导向、姿态测量与纠偏3.4.1导向与纠偏在顶管施工中，导向关系到管道敷设的走向，影响着工程目标的实现。对于 400m 以下的顶管作业，大多采用激光束导向，激光从工作井发出，照射导向靶，为顶进作业提供精确的方向控制。一旦距离超过 400m，或者顶进线路非直线，激光导向作用将受到限制。当前，土压平衡顶管系统中大多集成了自动化的导向功能，典型的如 MTD-D 自动测量导向系统。导向系统检测到顶管方向偏差之后，控制中枢则根据测量结果进行方向纠偏，在纠偏工作中遵循小幅度纠偏、勤纠偏的基本原则。3.4.2姿态测量与纠偏除方向
16、之外，还要关注顶管机的平衡性，因为顶管机横向宽度较大，在掘进过程中受岩土反力矩的作用，可能出现水平向不均衡的问题。为保证顶管机的水平度，在系统中利用激光经纬仪、导向靶、倾角检测传感器以及螺旋输送机等控制顶管机的水平姿态。在纠偏时，由螺旋输送机与顶管机的纠偏油缸相互配合，调整其水平姿态，在顶管机的两侧各布置一个螺旋输送机，可灵活调整两侧的排泥速度和排泥量，进而控制顶管机的水平姿态。4结语土压平衡顶管施工技术在大型输水工程中具有降低造价、减少环境影响、几乎不干扰既有设施等优点。在施工准备阶段需通过地质勘察掌握作业区的地质条件，然后结合地质条件计算土压力、顶力，选择符合力学要求的顶管机，奠定施工基础。进入施工阶段后，应加大对关键工序的设计和施工控制，合理建造工作井，清晰规划顶管施工的工序和流程，强化顶进过程控制，尤其是泥土仓压力、顶进方向、顶管机姿态，及时纠正各类偏差。科学运用泥浆，促进排泥施工和土压平衡控制。研究内容对施工的指导意义集中体现在突出关键工序的内在联系，浆液制备及应用、导向、姿态控制都服务于顶进过程控制。不足之处在于未能结合施工中的地质变化分析具体的应对策略。参考文献 1周爱民
