密云水庫白河主壩測壓管監測數據變化分析

李嬋娟，焦有權，馮 吉，荀志成

(1.密云水庫管理處，北京 101512；2.北京農業職業學院，北京 102442)

0 引 言

白河樞紐主壩是密云水庫中最重要的一個建筑物，白河主壩位于白河溪翁莊村北約1km ，在密云縣城以北約20km。壩址為無階地的箱型河谷，兩岸陡立，左岸坡85°-90°，右岸坡70°-80°。河床高程94m-98m，兩岸山頂高程約250m，岸高約150m。河谷底寬900-100m，順河方向長700m。水庫總庫容 43.75億m3，設計工況水位157.5m，校核工況水位 158.5m，是一座以防洪、供水為主的多年調節大型水利樞紐工程。

壩址區巖層主要有前震旦紀片麻巖，震旦紀石英巖，中生代火成巖及第四紀砂卵石麻巖風化很深，滲透性小；石英巖節理發育，滲透性強，火成巖多呈脈狀侵入兩岸巖層倒轉，傾向上游。由于構造發育，斷層、擠壓破碎帶和裂隙很發育。卵石覆蓋層最深達44m，平均滲透系數范圍為500-800m/d。

白河主壩壩型為壤土斜心墻砂礫石壩體的土壩，壩基覆蓋層防滲處理采用壤土齒槽、水泥灌漿帷幕及混凝土防滲墻的綜合垂直防滲。白河主壩最大壩高66.39m，壩頂高程160m，壩頂寬8m，壩長960.2m，壩底最大寬370m，上游壩坡為1∶2.65-3.5，下游壩坡為1∶2.2-1∶2.5，濾水壩趾斜坡為1∶8，壩址排水體頂高程103m，地基防滲線全長953m，其中靠近兩岸為壤土，長178.14m，中間偏西為黏土水泥灌漿帷幕，長240m；混凝土防滲墻東段長418.86m，西段長150.17m，共長569.03m。壩頭右岸巖石按1∶0.75劈坡；左岸巖石斜墻部分按1∶0.7劈坡，砂礫石壩體部分按1∶0.5劈坡。壩址設排水體和排水溝，下游壩面與山坡連接處作截流排水溝。下游壩坡設有兩道土壩臺階，每道寬19m。壩頂修硬化路面，上游防浪墻高1m，下游側有路邊石。沿壩頂設有路燈。壩體設有沉降位移標點37個，壩體和壩頭巖岸設測壓管監測點。

科學的對大壩滲流進行監測對水庫安全運行、壩體安全穩定具有十分重要的意義。在監控大壩所處的滲流狀態時，通常是構建大壩的滲流監控模型，由于滲流相對滯后于水庫水位，因此在建立模型是，很難用某一指標去做衡量參數，工程中測壓管水位經常被引入模型，因此測壓管水位的數據是監測大壩安全的重要指標和參數。

因此，文章連續10a對密云水庫白河主壩特征測壓管水位進行監測，利用描述性統計數學原理進行計算得到特征值，通過繪制測壓管數據變化圖譜，對測壓管水位動態變化特征進行分析，以為水庫安全運行、壩體安全穩定提供科學依據。

1 數據來源與研究方法

1.1 數據來源

白河樞紐水工建筑物包括白河主壩、走馬莊副壩、北白巖副壩、西石駱駝副壩、南石駱駝副壩、白河輸水發電隧洞、白河泄洪支洞、白河廊道、白河泄空隧洞、走馬莊隧洞、調節池工程。白河主壩共有測壓管39個，均采用人工和遙測兩種手段監測(遙測由監測中心負責)，整編數據以人工觀測值為準。2009年，白河主壩最高庫水位為137.55m(7月23日)，最低庫水位為135.85m(6月27日)，水位較差1.70m。白河地區全年降水量為626.4mm，降水天數60d，最大日降水量為116.9mm(8月1日)。利用2009—2018年白河主壩10a間的監測數據，對測壓管水位第10號管的數據資料進行分析。

1.2 研究方法

文章首先應用office2019 Excel對原始數據進行分析，將10a間的大量數據進行整理，篩選出數列較好的10號管數據作為研究對象，利用描述性統計數學原理，借助Origin2019b數據分析軟件，對數據進行統計分析與檢驗。

描述性統計數學原理如下：

1)幾何均值：

樣本數據x1，x2，…，xn的幾何均值m可以根據下式求得：

(1)

2)標準差：

有兩種樣本數據x1，x2，…，xn的標準差計算公式，分別為：

(2)

式中：樣本均值為

(3)

3)總和：是指統計值的算術求和值。

4)極值：包括數列中最大值和最小值，最大值與最小值的差值為極差。

5)中位數：數列排序后，處于正中間的數值。

1.3 數據選取

連續10a，每年各月5日、10日、15日、20日、25日的數據統計。

2 結果與分析

2.1 連續10a每月5日測壓管數據動態變化特征分析

連續10a間各月5日測壓管數據統計，2009—2018年各月5日測壓管數據統計表，見表1。從表1可以看出，測壓管10號管的在在2011年平均值最大，達到81.07083；但從標準差來看，2011并不是最大的，而是2018年，標準差達到0.61274，說明該年度來水量年內分布非常不均勻，從標準差來看，測壓管水位最均勻是2009年，它的極差只有0.16。

連續10a各月5日測壓管數據變化，2009—2018年各月5日測壓管數據變化圖，見圖1。從圖1可以看出，大多數觀測數據在每月5日的變化波動都比較規律，每年1、2、3月份波動不大，但在每年的9月5日，數據波動非常大，因為水庫主要來水季節在7、8、9月份，這些月份的豐水年與枯水年測壓管數據變化非常顯著。

表1 2009—2018年各月5日測壓管數據統計表

圖1 2009—2018年各月5日測壓管數據變化圖

2.2 連續10a每月10日測壓管數據動態變化特征分析

連續10a間各月10日測壓管數據統計，2009—2018年各月10日測壓管數據統計表，見表2。從表2中可以看出，各月份10日測壓管測壓管10號管的在2011年平均值最大，達到81.06417；但從標準差來看，2011并不是最大的，而是2018年，標準差達到0.61274，說明該年度來水量年內分布非常不均勻，從標準差來看，測壓管水位最均勻是2009年，它的極差只有0.22。

連續10a各月10日測壓管數據變化，2009—2018年各月10日測壓管數據變化圖，見圖2。從圖2可以看出，大多數觀測數據在每月10日的變化波動都比較規律，每年1、2、3月份波動不大，但在每年的9月10日，監測到的數據波動非常大，因為水庫主要來水季節在7、8、9月份，這些月份的豐水年與枯水年測壓管數據變化非常顯著。

圖2 2009—2018年各月10日測壓管數據變化圖

2.3 連續10a每月15日測壓管數據動態變化特征分析

連續10a間各月15日測壓管數據統計，2009—2018年各月15日測壓管數據統計表，見表3。從表3中可以看出，各月份15日測壓管測壓管10號管的在2011年平均值最大，達到81.06；但從標準差來看，2011并不是最大的，而是2012年，標準差達到0.61144，說明該年度來水量年內分布非常不均勻，從標準差來看，測壓管水位最均勻是2009年，它的極差只有0.22。

連續10a間各月15日測壓管數據統計，2009—2018年各月15日測壓管數據變化圖，見圖3。從圖3中可以看出，大多數觀測數據在每月5日的變化波動都比較規律，每年1、2、3月份波動不大，但在每年的9月15日，數據波動非常大，另外7月15日監測值也發生明顯波動，因為水庫主要來水季節在7、8、9月份，這些月份的豐水年與枯水年測壓管數據變化非常顯著。

表3 2009—2018年各月15日測壓管數據統計表

圖3 2009—2018年各月15日測壓管數據變化圖

2.4 連續10a每月20日測壓管數據動態變化特征分析

連續10a間各月20日測壓管數據統計，2009—2018年各月20日測壓管數據統計表，見表4。從表4中可以看出，各月份20日測壓管測壓管10號管的在2013年平均值最大，達到81.05833；但從標準差來看，2011并不是最大的，而是2014年，標準差達到0.63651，說明該年度來水量年內分布非常不均勻，從標準差來看，測壓管水位最均勻是2009年，它的極差只有0.26。

連續10a間各月20日測壓管數據統計，2009—2018年各月20日測壓管數據變化圖，見圖4。從圖4中可以看出，大多數觀測數據在每月5日的變化波動都比較規律，每年1、2、3月份波動不大，但在每年的9月20日，數據波動非常大，同時從2016年的8月20日，數據波動也非常大，因為水庫主要來水季節在7、8、9月份，這些月份的豐水年與枯水年測壓管數據變化非常顯著。

表4 2009—2018年各月20日測壓管數據統計表

圖4 2009—2018年各月20日測壓管數據變化圖

2.5 連續10年每月25日測壓管數據動態變化特征分析

連續10a間各月25日測壓管數據統計，2009—2018年各月25日測壓管數據統計表，見表5。從表5中可以看出，各月份25日測壓管測壓管10號管的在2013年平均值最大，達到81.04167；但從標準差來看，2011并不是最大的，而是2018年，標準差達到0.61274，說明該年度來水量年內分布非常不均勻，從標準差來看，測壓管水位最均勻是2009年，它的極差只有0.26。

表5 2009—2018年各月25日測壓管數據統計表

連續10a間各月25日測壓管數據統計，2009—2018年各月25日測壓管數據變化圖，見圖5。從圖5中可以看出，大多數觀測數據在每月25日的變化波動都比較規律，但在2013年的9月25日和2018年9月25日數據波動非常大，其他時間趨于平穩。

圖5 2009—2018年各月25日測壓管數據變化圖

3 結論與建議

1)白河主壩測壓管監測數據年內是分布不均勻，從連續10a每月1次的監測數據發現，測壓管10號管在每月10日的變化中，均方差最大值達到0.66055，年內各月份波動較大，這對水庫大壩的管理，尤其是防滲及護岸等工作提出較高的要求。

2)白河主壩測壓管監測數據年際間波動較大，整體來看，10a間測壓管監測數據在79.5-82.0m之間波動，管水位波動范圍接近3m，對于一個特大型水庫來水，其管理難度可想而知，這也為相關工作提出更高的要求。

3)白河主壩測壓管監測數據在豐水期與枯水期的差異較大，從連續10a每月10日的監測數據來看，每年1月、2月、3月數據波動最小，8月、9月數據波動最大，這與密云水庫季節性來水保持正向相關性。

4)單點測壓管監測數據不足以反映水庫的整體變化，建議在今后的工作中，要增加測壓管監測的頻次，提高數據的關聯性分析，強化基于大數據支撐的動態監管，實現壩體水位變化的動態實時可視化。