碾壓式土石壩施工質(zhì)量風險預警與決策體系研究

黃 龍，李善平，王 力，彭旭初，馮 奕

（1.中國電建集團成都勘測設計研究院有限公司，四川 成都 610072；2.國能大渡河流域水電開發(fā)有限公司，四川成都 610094）

0 前 言

在水利建設中，目前國內(nèi)碾壓式土石壩壩型應用比較廣泛，碾壓式土石壩壩料分區(qū)設計越來越精細，對壩料及填筑質(zhì)量要求越來越高［1］。而傳統(tǒng)的碾壓式土石壩施工質(zhì)量管控主要依靠對于壩料、施工工藝和施工參數(shù)等指標分別進行人工收集，依靠施工人員通過經(jīng)驗分別判斷和處理，很多階段仍未實現(xiàn)相應的智能化。由于各類指標是多位一體并相互影響，因此難免出現(xiàn)異常原因分析不準確、措施效果反復的情況。故從碾壓式土石壩施工質(zhì)量管控技術研究出發(fā)，以先進的物聯(lián)網(wǎng)、大數(shù)據(jù)技術為基礎，將分級指標體系、原因庫、措施庫和案例庫利用大數(shù)據(jù)技術有機的集成在一起，建立了碾壓式土石壩施工質(zhì)量風險預警與決策體系，輔助實現(xiàn)碾壓式土石壩施工的智能管控。

1 研究現(xiàn)狀

土石壩安全預警系統(tǒng)錯綜復雜，危及其安全的因素眾多，既有內(nèi)因也有外因，既有自然因素也有人為因素［2］。而目前國內(nèi)對于碾壓式土石壩施工質(zhì)量的研究，還主要集中在對于各個環(huán)節(jié)的質(zhì)量進行單項或者少部分的聯(lián)合研究，缺乏對于現(xiàn)場信息的自動在線收集，缺乏各個環(huán)節(jié)的信息統(tǒng)一分析處理，大部分還僅依靠人工經(jīng)驗從單個知識庫中尋找原因，再從另外一個知識庫中尋找解決措施。

建立碾壓式土石壩施工質(zhì)量風險預警與決策體系的目的是在現(xiàn)場實現(xiàn)部分碾壓數(shù)據(jù)自動收集上傳、其他數(shù)據(jù)通過APP端收集上傳，對于碾壓式土石壩的質(zhì)量通過分級預警指標體系風險識別出問題后、聯(lián)動原因知識庫通過大數(shù)據(jù)分析清楚風險原因后，針對具體的風險原因，自動從措施庫、文檔庫、案例庫中匹配合適的處置措施、參考文檔和參考案例，實現(xiàn)風險的閉環(huán)處理。

本次建立的風險預警與決策體系，涉及信息技術、工程建設預警數(shù)學模型、水電工程管理等多學科與領域，國內(nèi)鮮有先例。對全流域而言，需要管控的對象太多，如何識別管控的重點，不同的崗位角色有不同的看法，并且模型設計時需要考慮項目缺乏海量數(shù)據(jù)支撐的情況，采用事件觸發(fā)型風險識別方法。區(qū)別于類似平臺和體系的設計，本項目提出在識別風險后，根據(jù)風險種類和風險原因，自動匹配相應的措施參考文檔和案例。因此，措施庫、案例庫、文檔庫在設計時，要充分考慮與風險識別模型、風險原因分析模型之間的聯(lián)動性。

2 風險預警與決策體系研究

風險預警與決策體系通過措施庫、案例庫、文檔庫的有機組合，實現(xiàn)解決方法-現(xiàn)實案例-規(guī)范制度的全面決策支持，為全要素風險預警管控提供解決問題的方法和依據(jù)。具體的流程包含六大步驟。

2.1 數(shù)據(jù)采集

土石壩施工過程中，土石料碾壓是施工質(zhì)量控制的重點環(huán)節(jié)。土石料的壓實，是碾壓式土石壩施工質(zhì)量的關鍵。土料壓實特性，與土料自身的性質(zhì)，顆粒組成情況、級配特點、含水量大小以及壓實功能等相關［3］。在施工過程中，利用物聯(lián)網(wǎng)技術實時采集的碾壓范圍、碾壓遍速等自動采集數(shù)據(jù)，以及壓實度等人工采集數(shù)據(jù)（采集框架見圖1）。

圖1 數(shù)據(jù)采集過程框架

這些數(shù)據(jù)通過工程現(xiàn)場各類APP、系統(tǒng)實時匯集，并在各業(yè)務系統(tǒng)中進行分析和處理，同時，數(shù)據(jù)通過篩選后，進入大渡河工程數(shù)據(jù)中心，并按照分級預警指標體系（指標體系參照表1，靜態(tài)指標為次要指標）進行數(shù)據(jù)篩選，形成預警體系的基礎數(shù)據(jù)。

表1 土石壩分級預警指標體系

各指標的參數(shù)數(shù)據(jù)格式：工程類型（string）、工程名稱（string）、部位（string）、標段（string）、倉號（duoble）、檢測時間（datetime）、檢測點位數(shù)量（int）、合格數(shù)量（int）、創(chuàng)建時間（datetime）。

2.2 指標預警

當指標出現(xiàn)異常時，系統(tǒng)應首先判斷該指標預警的可信度，排除數(shù)據(jù)污染或填報錯誤等原因造成的異常預警。對無法排除異常情況的預警，則進入指標預警處置體系，系統(tǒng)自動推送主要指標（也是趨勢性指標）預警。

主要指標不僅考慮預警閾值，同時也考慮指標的趨勢性。指標的趨勢性，是考慮到多數(shù)指標會隨時間動態(tài)變化，其動態(tài)變化的趨勢可用于預測該指標是否趨近預警閾值，以便提前發(fā)出預警。單元工程優(yōu)良率可以反映質(zhì)量控制情況，優(yōu)良率大于92%則說明質(zhì)量控制良好，小于92%則觸動預警；但若近三個月的單元優(yōu)良率呈連續(xù)下降趨勢，即連續(xù)三個月單批次單元工程質(zhì)量優(yōu)良率與上批次單元工程優(yōu)良率之差為負值，即使各月優(yōu)良率均大于92%，也說明近期質(zhì)量控制效果有顯著下降可能，需提前預警并采取控制措施。

同時，系統(tǒng)根據(jù)指標間的關聯(lián)關系（同類業(yè)務、同部位等），自動推送次要指標數(shù)據(jù)（靜態(tài)指標），如大壩填筑單元工程優(yōu)良率指標相關的心墻料檢測合格率、碾壓行駛速度、鋪料厚度、碾壓覆蓋范圍、碾壓遍數(shù)等指標，從以上指標中，系統(tǒng)將自動篩選出有明顯異常情況的指標（通常情況下在主要指標未預警的情況下，次級指標并不作為流域級工程管理預警指標）。用戶可通過主要預警指標的數(shù)據(jù)特征與次級指標的異常情況，分析異常情況的可能原因。比如單倉面碾壓遍數(shù)合格率，合格要求為心墻區(qū)95%，其他倉面90%。

2.3 風險原因分析

系統(tǒng)自動針對指標預警情況進行風險提示。系統(tǒng)將利用風險管理模型，根據(jù)預警指標的具體類型，提取對應可能發(fā)生的風險推送至管理層。風險管理模型具備預設及人工篩選功能，通過大量樣本的決策選擇機制，優(yōu)化關聯(lián)關系。推送的風險結(jié)果將包含風險發(fā)生的可能性、風險的嚴重性等相關信息，為管理決策提供風險評估的支撐數(shù)據(jù)。

系統(tǒng)對主要指標預警及次要指標異常情況進行綜合分析判斷，根據(jù)指標-原因關聯(lián)關系，從原因庫中提取可能造成指標異常及預警的原因。如當系統(tǒng)推送大壩填筑單元工程優(yōu)良率持續(xù)下降指標預警時，進一步篩選關聯(lián)次級指標，挖掘心墻料檢測合格率、碾壓覆蓋范圍兩個次級指標數(shù)據(jù)異常。系統(tǒng)根據(jù)以上結(jié)果，遍歷原因庫，通過預設指標-原因關聯(lián)關系，篩選出可能原因，包括“現(xiàn)場交底不足、現(xiàn)場管控不足、碾壓寬度不達標等”。管理人員可根據(jù)規(guī)范、經(jīng)驗及現(xiàn)場具體情況對推送原因進行調(diào)整、修改，并對原因分析結(jié)果進行確認。確認后的指標-原因結(jié)果將反饋至系統(tǒng)，為下一次原因分析提供訓練、分析樣本。

通過大壩填筑質(zhì)量風險原因庫建立不同風險預警情況的原因預設，對預警情況實現(xiàn)追根溯源。原因庫如表2所示。

表2 土石壩質(zhì)量管控類原因庫示意

2.4 風險原因模型判斷

由于影響工程預警指標的原因是多元的，不僅需要判斷造成風險的原因種類，還應當分析原因?qū)︼L險的占比或貢獻度。因此，系統(tǒng)應提供風險原因分析模型，模型提供風險-原因貢獻度預設指標，管理員可對實際的了解、調(diào)查，調(diào)整風險-原因之間的關系或貢獻占比，并將樣本反饋至系統(tǒng)，系統(tǒng)通過多次的成果反演，將實現(xiàn)風險原因判斷的自我演進和真實趨近。

2.5 決策支持

針對預警情況、風險原因分析結(jié)果，系統(tǒng)還提供決策支持功能，基于質(zhì)量管控措施庫、案例庫中的數(shù)據(jù)資料，根據(jù)風險-原因-措施之間的關聯(lián)關系，推送潛在可解決問題的措施。同時，類似原因分析及風險分析，用戶可對措施預案的合理性、關聯(lián)性進行調(diào)整、新增，系統(tǒng)將自動對結(jié)果進行分析，通過樣本訓練調(diào)整關聯(lián)關系。如針對土石壩碾壓施工交底不足的情況，從措施庫中可獲得決策支持包括“以控制碾壓參數(shù)為主，以試坑法檢測干容重為輔的‘雙控’法進行質(zhì)量檢測”、“按規(guī)定的錯距寬度進行碾壓，低速行走。反饋振動碾操作人員，提示運行位置、碾壓遍數(shù)、行車速度等標識”。措施庫基于規(guī)范建立，確保其可行性和正確性。

質(zhì)量管控措施庫為常用質(zhì)量考核指標相對應措施，對施工過程中的人機、料、法、環(huán)等環(huán)節(jié)產(chǎn)生的質(zhì)量問題及應對措施進行了梳理。主要包括潛在風險、風險原因、可采取措施等信息。具體內(nèi)容見表3。

表3 質(zhì)量管控類措施庫

2.6 預警閉合

通過系統(tǒng)對風險、原因、措施等的環(huán)節(jié)的相關分析成果（含預警情況、原因分析結(jié)果、風險告知結(jié)果、措施預案）推送至流域級工程管理部門及項目管理人員，各方應對預警情況進行反饋，并形成預警處理閉壞。模型流程如下：

首先利用物聯(lián)網(wǎng)與手持終端，進行業(yè)務數(shù)據(jù)的采集，并輸送到工程大數(shù)據(jù)中心，然后系統(tǒng)利用大壩碾壓單元工程質(zhì)量數(shù)據(jù)指標進行質(zhì)量判斷。

當指標出現(xiàn)預警時，系統(tǒng)會排除異常情況，然后對主要指標進行判斷，如果大壩碾壓單元工程優(yōu)良率持續(xù)下降，系統(tǒng)會對次要指標進行追溯，次要指標包含了心墻材料檢測合格率、行駛速度、鋪料厚度、碾壓覆蓋、碾壓遍數(shù)等。

通過對次要指標的判斷，大數(shù)據(jù)模型從原因庫中分析出可能原因，比如心墻料檢測合格率異常的原因分析出可能是交底不足、現(xiàn)場管控不足兩個原因；同時通過現(xiàn)場樣本反饋、匹配模型或?qū)＜胰斯Q策，對于可能原因進行匹配度判斷。然后判斷出實際的真實原因，比如判斷出真實原因是交底不足。

接著通過模型，從措施庫中自動匹配出需要采取的措施，比如交底不足的匹配措施是“以控制碾壓參數(shù)為主，以試坑法檢測為輔的雙控法進行質(zhì)量檢測”。

然后將預警情況和分析結(jié)果推送給工程部管理層，項目管理層對預警情況和分析結(jié)果確認后，系統(tǒng)將預警情況進行自動歸檔。從而完成了整個土石方施工質(zhì)量風險預警與決策體系模型的流程。

3 工程應用

本項目是大渡河工程數(shù)據(jù)管控中心項目的一部分，并且準備開始在雙江口電站等項目上使用，雙江口水電站樞紐工程由土心墻堆石壩、洞式溢洪道、泄洪洞、放空洞、地下發(fā)電廠房、引水及尾水建筑物等組成。土心墻堆石壩壩高314 m，居世界同類壩型的第一位?？裳须A段推薦水庫正常蓄水位2 500 m，死水位2 330 m，最大壩高312 m，正常蓄水位以下庫容31.15億m3，調(diào)節(jié)庫容21.52億m3，為年調(diào)節(jié)水庫，通過水庫調(diào)節(jié)可增加下游梯級電站枯期電量66億kW·h，增加保證出力175.8萬kW。

本風險預警與決策系統(tǒng)自安裝調(diào)試運行以來，成功收集了大量數(shù)據(jù)。定期對于項目的碾壓式土石壩的質(zhì)量指標進行收集分析，發(fā)現(xiàn)異常后迅速定位原因，自動給出改進措施，質(zhì)量問題發(fā)現(xiàn)原因的速度提高了80%，決策速度也相應提高了70%。隨著預警與決策體系對碾壓式土石壩質(zhì)量的精細化管控，目前土石壩的質(zhì)量各項指標得到了極大的提升，次要指標的合格率提高了30%，主要指標的質(zhì)量優(yōu)良率平均提高了5%，這表明土石壩的質(zhì)量控制整體上均有較大改善。具體應用見圖2。

圖2 土石方施工質(zhì)量風險預警與決策體系模型流程

4 結(jié) 論

碾壓式土石壩施工質(zhì)量風險預警與決策體系平臺是依托于整個大渡河施工質(zhì)量風險預警與決策體系平臺，以碾壓式土石壩施工質(zhì)量為控制目標，以分級質(zhì)量指標為對象，整合了原因庫、案例庫、措施庫等，建立了風險預警與決策體系，并開始在雙江口電站成功應用，不僅會積累海量施工過程數(shù)據(jù)，為后續(xù)科研、施工等工作提供了強大的基礎數(shù)據(jù)支撐，而且通過引入物聯(lián)網(wǎng)、大數(shù)據(jù)等當前先進科學技術與理論，加快了水電行業(yè)與互聯(lián)網(wǎng)的融合，提高了水電工作施工的精細化、智能化管理水平。隨著人工智能技術及物聯(lián)網(wǎng)技術的不斷成熟完善和水電行業(yè)智能管控技術的不斷深入，必將推動碾壓式土石壩智能建造技術的持續(xù)發(fā)展。