考虑非线性环境量影响的混凝土重力坝坝基扬压力分析.pdf

第3 3卷 第8期 2 0 1 6年 8月 长江科学 院 院报 J o u r n a l o f Ya n g t z e R i v e r S c i e n t i fic R e s e a r c h I n s ti t u t e V0 1 ． 33 No． 8 Au g ． 2 0 1 6 d o i ： 1 0 ． 1 1 9 8 8 ／ c k y y b ． 2 0 1 5 0 4 7 8 2 0 1 6 ， 3 3 ( 0 8 ) ： 4 2 - 4 6 ， 5 8 考虑非线性环境量影响的混凝土重力坝 坝基扬压力分析 徐蔚 ， 方春晖 ， 王雪 ， 朱凯 ( 1 ． 浙江水利水电学院 建筑工程学院， 杭州3 1 0 0 1 8 ； 2 ． 浙江省水利河I = I 研究院， 杭州3 1 0 0 2 0 ； 3 ． 浙江同济科技 职业学院 水利工程系， 杭州3 1 1 2 3 1 ； 4 ． 河海大学 水文水资源与水利工程科学国家重点实验室， 南京2 1 0 0 9 8 ) 摘要： 基于混凝土重力坝上游库水位及降雨对其坝基扬压力影响的滞后效应及其非线性特征 ， 建立 了考虑环境 量非线性影响过程的混凝土重力坝坝基扬压力监测模型， 将上游库水位及降雨对坝基扬压力的影响视为一个正态 分布过程 ， 并采用量子遗传算法， 对相应滞后天数和影响天数进行智能寻优， 以提高拟合及预测精度。最后 ， 以某 混凝土重力坝为例， 采用上述方法对其 A 6 一 U P — O 1 测点扬压力测值进行拟合和预测 ， 通过与坝基扬压力实测值对 比分析， 验证了本文方法优于传统坝基扬压力统计模型， 具有一定科学和实践应用价值。 关键词： 混凝土重力坝； 扬压力 ； 滞后效应； 传统统计模型； 分组量子遗传算法 中图分类号： T V 6 9 8 ． 1 文献标志码： A 文章编号 ： 1 0 0 1 — 5 4 8 5 ( 2 0 1 6 ) 0 8 — 0 0 4 2 — 0 5 1 研究背 景 混凝土重力坝渗流安全性评价是大坝安全监控 的重要组成部分 ， 其 中坝基扬压力作为作用在混凝 土重力坝上 的主要荷载 ， 其 大小直接影 响坝体 的稳 定性⋯。研究表 明， 坝高 1 0 0 m左右的重力坝 ， 坝基 面上作用 的扬 压力大约是坝体 重量 的 2 0 ％_ 2 J 。而 大坝监测资料分析表 明， 坝身混凝土及基岩在上游 库水压力的作用下 ， 其 防渗性能具有逐渐降低的趋 势 j 。因此 ， 及时整理分析坝体、 坝基扬压力 的观 测资料 ， 建立坝基扬压力统计模型并分析相应的变 化规律 ， 对于验算大坝的稳定性和耐久性 ， 掌握大坝 的安全性态 ， 了解坝身混凝 土的抗渗性能 以及坝基 的帷幕 、 排水效应和坝基情况 的变化等 ， 都具有十分 重要的意义 。 传统混凝土坝坝基扬压力统计模型中将前期库 水位或降雨对测压管水位 的影 响视为一个 “ 平均 ” 的过程 ， 即取观测 日前 i 天的库水位平均值对测 压管水位进行拟合 ， 而实际上 ， 上游水位对混凝土重 力坝坝基扬压力 的影响是一个先增 长后下 降的过 程 ， 而不是一个平均 的过程 ， 为此需要深人研究其因 子 的选择。 因此 ， 本文结合混凝土重力坝渗流机理 ， 综合考 虑上游库水位及降雨对坝基扬压力的非线性影响 ， 将前期库水位及降雨对测压管水位的影响视为一个 正态分布过程 ， 建立混凝土重力坝坝基 扬压力统计 模型 ， 并以某混凝土重力坝为例 ， 采用改进遗传算法 对上游库水位分量及降雨分量 的滞后天数与影响天 数进行智能寻优 ， 确立最终混凝 土重力 坝坝基扬压 力统计模型。最后 ， 通过将本文方法拟合结果与混 凝土重力坝坝基扬压力传统统计模型拟合结果进行 对 比分析 ， 验证了本文方法有效性 。 2 基本 理论 2 ． 1 混凝土重力坝坝基扬压力统计模型 根据实测资料分析表 明， 混凝土重力坝坝基扬 压力主要受上游水位 、 降雨 、 基岩温度及 坝前 淤积 、 坝基帷幕 防渗 和排水效应 的时变 特性等影 响 。 ’ ] 。 为此 ， 本文混凝土重力坝坝基扬压力统计模型采用 的形式为 P=P H+P R+P 。 +Pr 。 ( 1 ) 式 中l P为坝体测压管水位 ； P 是水位分量 ； P 是 降雨分量 ； P 是时效分量 ； P 为温度分量。 2 ． 1 ． 1水位 分量 P 通过综合考虑混凝土重力坝坝体坝基扬压力与 上游库水位非线性关 系 ， 不 同于传统统计模型将 上 游水位对坝基扬压力 的影 响视 为一个“ 平 均” 的过 程 ， 如图 1 。根据上游水位对 坝基扬 压力 的影 响过 程 ， 如 图 2 ， 其 基本 服从 正 态分 布 过程 ， 称 为影 响 曲线 。 收稿 日期 ： 2 o 1 5 - o 6 — 0 6 ； 修 回日期： 2 o 1 5 - o 6 — 1 8 作者简介 ： 徐蔚 ( 1 9 7 2 一 ) ， 女， 浙江杭州人 ， 副教授 ， 硕士 ， 主要 从事土木工程 防灾减灾研究 ， ( 电话 ) 0 5 7 1 — 8 6 9 2 9 0 5 5( 电子信箱 ) s h r g q @ 1 6 3 COI n 。 第8期 徐蔚 等考虑非线性环境量影响的混凝土重力坝坝基扬压力分析 4 3 ， I ／ X 3 尸 ＼ 。 地 图 1 前 x a 天平均水位 图 2 正态分布影 响曲线 ( P一 影响权 ) ( P 一 影响权 ) F i g ． 1 Av e r a g e 、 v a t e r l e v e l Fi g ． 2 No r m a l d i s t r i b u t i o n o f fi r s t 3 d a y s ( P- I F) c u r v e ( P - I F) 基于此 ， 相应混凝土重力坝坝基扬压力上游水 位分量采用形式为 = 【 去e -(t-x 1)2 ㈤ dt】 = m1 。 ( 2 ) 式中： 口 为水位分量的回归系数 ； 为水位分量的 滞后天数 ； 为水位分量的影响天数 ； ( t )为上游 水位 ； 为有效水位。 其 中， 。 ， 需要通过试算求得 ， 在求得实际滞 后天数和影响天数后 ， 即可提高坝基扬压力统计模 型回归精度 ， 为评价 防渗效果提供依据。此外． ， 上游 水位一般每天只要一个测值 。因此 ， 本文将连续性 积分改成离散型积分， 积分区间只需取 的2 ～ 3 倍 即可满足要求。 2 ． 1 ． 2 降雨分量 PR 在降雨过程 中， 有一部分人渗产生地下水 ， 地下 水主要通过节理裂隙渗流影响两岸坝段坝基的扬压 力 l 8 ] 。在该过程 中呈 明显的非线性关 系， 并且具有 滞后效应， 采用前期降雨量的均值作为因子， 同样存 在难 以精确模拟降雨对扬压力 的影响。 单元裂隙岩体中渗流基本服从指数定律 ， 即 =一 后 。 ( 3 ) 、 ／ 式中： 为渗流速度； k为渗透系数； 为孔隙水压 力 ； 为水 的重度 ；m为指 数形式渗 流定律 的指 数 ， m∈[ O ． 5 ， 3 ． 2 5 ] 。 根据降雨对地下水位的影响规律 和裂隙渗流的 指数定律 ， 本文坝基扬压力降雨分量采用形式为 ： e 】 ‘ = ∑b 尺 。 r 】 。 ( 4 ) 式中： b 为降雨分量的回归系数； ， 为降雨分量的滞 后天数； 为降雨影响权正态分 布标准差 ( 影响天 数 ) ； R( t )为 t 时刻的单位时段降雨量 ； 为有效降 雨 量 。 同样 ， 和 经过试算求得 ， 连续性积分可转化 为离散型积分 。 2 ． 1 ． 3温度分 量 P 渗流受地基裂 隙变化的影 响， 孔 隙变化受基岩 温度的作用 。而基 岩温度变化较小 ， 基本呈年 周期变化规律 ， 本文采用正弦波周 期函数作为温度 分量 ， 即 P = c j i s i n z s ) 。( 5 ) 式 中 C C 为温度分量的回归系数。 2 ． 1 ． 4时效 分 量 时效分量是混凝土重力坝坝基扬压力的重要组 成部分 ， 也是评价大坝渗流稳定性的重要依据 ， 本文 将坝体测压管水位时效分量表示为 P 口=d 1 0+d 2 l n O 。 ( 6 ) 式 中： d ， d 分别为时效分量线性项 、 对数项的回归 系数 ； 0为从蓄水初期或工程措施初期开始的天数 除以 l O 0， 即每 1 0 0 d增加1 ． 0 。 综上 ， 本文所取混凝土重力坝坝基扬压力统计 模型为 P [ ] + [ e f ] + C l i s i n + c s )+d l 0+d 2 l n O。 ( 7 ) c 咖 )+ + 。 ( 7 ) 然而 ， 采用常规 方法计算库水位和降雨对坝基 扬压力影响的滞后天数及影响天数效率低 、 精度差 ， 为此本文采用改进遗传算法对上述参数进行智能寻 优 ， 提高计算效率和精度 。 2 ． 2 分组量子遗传算法 量子遗传算法( q u a n t u m g e n e t ic a l g o r i t h m， Q G A ) 结合量子计算与遗传算法 ， 是一种新发展起来的概率 进化算法 引。该方法 以量子理论为基础， 采用量 子位概率编码表示染色体 ， 通过不断更新量子旋转门 的作用来更新和优化种群， 达到搜索的目的。其具有 种群规模小 ， 收敛迅速和全局寻优能力强等特点 ， 并 在求解组合优化问题中取得显著成效 引 。 1 个量子位可以处于 0态 、 1态、 以及 1 0 ) 和 l 1 ) 之间的任意叠加态 。可以表示为 I )= I O )+ l 1 ) 。 ( 8 ) 式中： ， 分别为量子位对应态的概率幅。I I 为 量子态达到 1 0 ) 态时相应的概率， l I 为量子态 达到 I 1 )态 的概率 ， 并且满足归一化条件 ， 即 l l + =1 。 ( 9 ) 因此 ， l ) = c 。 s 导l 0 ) + e U s i n 导l 1 ) 。( 1 0 ) 长江科 学院 院报 2 0 1 6焦 式 中 ： c 。 s 导 和 e sin 导 为 复 数 ； I c 。 s 0 I 和 I e sin 0 1 分 别 为 量 子 位 I 。 ) 和 I 1 ) 的 概 率 ，并 且 满足 J c 。s 詈 } + {e sin 导 I = 。 c ， 传统量子遗传算法 ( Q G A) 通过量子位 进行编 码 ，通 过 概 率 幅 将 1 个 量 子 位 表 示 为 【 个量子位可以定义为 保 留本代最优 ， 最后在每代计算 中 比较得 出全局最 优 。为了避免 目标 函数进行线性 、 非线性 等加 速适 应 函数出现的早熟现象 ， 本文采用排序适应 函数 ， 即 将 同一个种群的 m个染 色体 按 目标 函数值进行 从 小到 大 的 排 列。直 接 概 率 可 以 表 示 为 P ( i )= 2 ， ≤ ≤m 。 。 因此， n 3工程实例 。 其中 I i 2 + l =1 ， i =1 ， 2 ， ⋯， n。任何量 子叠加态都可 以表示为这种形式。 在分组量子遗传算法 中， 量子旋转 门可以表示 为 吣 = [ ， ( ) 。伽 ‘ I 。 ) 量子 门更新过程可以表示为 = -c 。 其 中，( i ) 和 ( 卢 ) 分别代 表染 色 体第 i 个量子比特旋转门更新前后的概率幅； 0 为 旋转角。( ， 卢 ) 可以表示为 f ： 。 。 i 一 in ；( 1 5 ) i O ／ s i ．nO + c o s O 。 所 以， 可以得出： I i I +l卢 I =( c o s O 一 s i n O ) + ( s i n O + c o s O ) ‘ I I +I l =1 。 分组 量子遗传算法 流程如 图 3 。分组 量子 遗 传 算 法 通 过 运 行 Ⅳ 代， 每一代相应随机产 生 r t 个 样 本 ， 并 通 过每 一 层子种 群按类运行相 应 的量 子遗 传 算 法 ， 相 应遗传算 法均采用不 同 的量 子 叠 加 态形 式 ， 从 而保 持 种 群 的 多样 性 。 在每一代适应值计算 中 擘 生 掣 量 子 门 同 向 旋 转 l I 量 子门 异 向 旋 转 l l LI 产 生 新 的 叠 加 态 图 3 算法流程 Fi g ． 3 F l o w c h a r t o f al go r i t hm 3 ． 1 工程简介 某水电站位 于云南省丽江市境 内， 电站设计总 装机容量为 2 4 0万 k W， 坝顶全长 6 4 0 I n ， 最大坝高 1 6 0 m， 总库容9 ． 1 3 亿 m 。枢纽工程 由碾压混 凝土 重力坝 、 右岸溢洪道 、 左右岸坝身泄洪冲沙孔和坝后 厂房等建筑物组成 ， 右岸 台地布置 5孔开 敞式溢洪 道 ， 其最大泄洪流量为 1 4 9 8 0 i n ／ s ， 坝后厂房安装 4 台单机容量 6 0 0 M w 水能发电机组 。水库正常蓄水 位 1 4 1 8 m， 校核水 位 1 4 2 1 ． 0 7 n l ， 相应库 容8 ． 4 7 亿 r f l 。 ，具有周调节能力 ， 控制流域面积2 3 7 3 5 7 ． 6 k m 。 电站 运 行 时 保 证 出力 4 7 3 ． 7 MW， 年 平 均 发 电量 1 1 0 ． 4 3 亿 k W h ， 发电效益显著， 是“ 西电东送” 战 略 目标 的骨干电站之一 。 为了监测大坝渗流状况 ， 根据监测施工单位统 计 ， 大坝共 安装渗压计 1 0 6支 ， 量水堰 9座 、 坝基 测 压管 4 6个 、 水位孔 1 1 个 、 水力学底座 1 3 1个 ， 其 中 坝纵 0 + 1 5 7 ． 5 0 i n 断面大坝渗流监测布置图如图 4 。 图 4 大 坝渗流监测布置 Fi g ． 4 La y o u t o f mo n i t o r i n g p o i n t s f o r d a m s e e p a g e 第8期 徐 蔚 等 考虑非线性环境量影响的混凝土重力坝坝基扬压力分析 4 5 监测资料分析表明， 该坝段 A 6 - U P - 0 1 测点坝基扬 压力监测数据常年处 于较高水平 ， 因此本文将对该 测点进行重点分析 。 3 ． 2混凝 土重 力 坝坝基 扬压 力分 析 本文选取 A 6 - U P - 0 1测点 2 0 0 7年 2月 1 9日至 2 0 0 8年 1 2月 1 5日坝基扬压 力测值采用上述模 型 进行拟合。分组量子遗传算法控制参数设定如下： 取群体规模为3 0 0 0 ， 量子位定为 1 5 ， 初始搜索以等 概率叠加， 量子位概率 趔 幅均为 2 ， 当迭代 次数 超过 1 0 0或者 复 蜊 相关系数超过 0 ． 9 9时 即停止 迭代 。最 优个 体适应度值进化过程 如图 5 ， 相应拟合结果 如图 6 。 进化代数 图5 最优个体适应度值 演化 曲线 Fi g ． 5 Ev o l u t i o n c u r v e o f o p t i ma l i n d i v i d u a l fit n e s s v a l u e 图 6 本 文方法拟合结果 F i g ． 6 Fi t t i n g r e s ul t o f t h e p r o p o s e d me t h o d 由图 5 、 图 6可知 ， 采用分组量子遗传算法 最终 优化复相关系数为 0 ． 9 8 1 ， A 6 - U P一 0 1 测点扬压力实 测值与拟合值变化规律相同， 本文方法具有较高的 拟合精度。此外， 可以注意到坝基扬压力实测值在 个别 日期具有突变现象 ， 初步分析为相应上游库水 位及降雨突变所致。 为进一步验证上述方法有效性 ， 本文 同时采用 传统混凝土坝坝基扬压力统计模型 对 A 6 一 u P 一 0 1 测点测值进行拟合 ， 该统计模型为 P 茎 + 6 + ( c ． sin + c o s )+d l 0+d 2 l n 。 。( 1 6 ) 式 中： 口 为上游水位分量的回归系数 ； 为观测值 为观测 日前 天平均库水位 ； 为观测 日前 i 天平均 降雨量。 取 m， =m =m =5 ， 采用逐步 回归分析对 A 6 - U P - 0 1 测点坝基扬压力测值进行拟合 ， 拟合结果如 图 7 。 日 期 图 7 传统方法拟合结果 Fi g ． 7 F i t t i n g r e s ul t o f t h e t r a d i t i o n a l m e th o d 由图 7可知 ， 传统坝基扬压力统计模型拟合结 果与坝基扬压力实测值偏差较大 ， 最终复相关系数 为 0 ． 9 1 ， 与本文方法相比， 传统混凝土坝坝基扬压力 统计模型拟合效果较差 。 传统方法 和本文方法拟合残差序列对 比如 图 8 ， 可知本文方法拟合结果明显优于传统统计模 型。此外， 可以看出传统统计模型拟合残差具有许 多突变点， 表明该传统模型无法体现出由于上游库 水位及降雨引起的坝基扬压力测值突增现象。 日期 图8 两种方法拟合残差对比 Fi g ． 8 Co mp a r i s o n o f fit t i n g r e s i d u a l b e t we e n th e t wo me t h o d s 为了进一步验证本文方法有效性 ， 本文采用上 述 2组模型对 A 6 - U P- 0 1测点 2 0 0 8年 1 2月1 6 — 3 1日坝基扬压力进行预测 ， 2组模 型预测结果及坝 基扬压力实测值如图 9 。 由图 9可知 ， 本文方法预测结果相 比传统统计 模型具有更高的预测精度 ， 此外 ， 由于本文模型考虑 了前期库水位及降雨对坝基扬压力测值的非线性影 响 ， 因此 本文模 型能 够预测 出 2 0 0 8年 1 2月 2 5 — 3 1日坝基扬压力测值的非线性变化。 2 0 0 8 — 1 2 - l 6 2 0 0 8 ． 1 2 ． 1 9 2 0 0 8 ． 1 2 ． 2 2 2 0 0 8 ． 1 2 — 2 5 2 0 0 8 — 1 2 ． 2 8 2 o 0 8 ． 1 2 ． 3 1 日期 图 9 2种方法预测 结果对 比 Fi g ． 9 Co mp a r i s o n o f p r e d i c t e d v alu es b e t we e n t h e t wo m e t h od s 长江科学院院报 2 0 1 6盎 4 结论 本文基于前期库水位及降雨对混凝土坝坝基扬 压力的非线性影响特性 ， 将上游库水位及降雨对混 凝土坝坝基扬压力的影响视为“ 正态” 分布过程 ， 并 采用改进遗传算法 ， 对相应滞后天数和影响天数进 行智能寻优， 以提高拟合精度， 通过与传统统计模型 拟合结果对比分析 ， 可以得出如下结论 ： ( 1 )通过将上游库水位及降雨对坝基扬压力 的 影响过程视为一个“ 正态” 分布过程 ， 本文方法相 比 传统方法拟合精度更高 ， 并且能够体现 出由于 上游 库水位及降雨引起的坝基扬压力突增现象。 ( 2 )通过考虑上游库水位及降雨对坝基扬压力 的非线性影响， 本文方法相 比传统方法更能够预测 出坝基扬压力 的非线性变化趋势 ， 而传统统计模型 将前期库水位及降雨对坝基扬压力的影响视为一个 “ 平均” 过程 ， 则无法体现出该特征。 ( 3 )分组量子遗传算法结合量子运算原理和遗 传算法 ， 利用量子 的态矢量替代 二进制符号来实现 遗传编码过程， 利用量子逻辑门实现对个体染色体 的更新， 提高了个体寻优效率， 且不依赖初始种群， 具有全局收敛特性 ， 避免了传统遗传算法容易产生 局部极值的现象。 参考文献： [ 1 ] 吴中如． 水工建筑物安全监控理论及其应用[ M] ． 北 京：高等教育出版社，2 0 0 3 ． [ 2 ] 顾冲时 ， 吴中如． 大坝与坝基安全监控理论和方法及 其应用[ M] ． 南京：河海大学出版社，2 0 0 6 ． [ 3 ] 江建国． 大坝混凝土渗透系数反演及其随时间的变化 规律[ J ] ． 黑龙江水专学报， 2 0 0 7 ，3 4 ( 2 ) ： 3 0 — 3 1 ． [ 4 ] 速宝玉， 胡云进 ， 刘俊勇 ， 等． 江垭碾压混凝土坝芯样 渗透系数统计特性研究[ J ] ． 河海大学学报： 自然科学 版 ， 2 0 0 2 ， 3 0 ( 2 ) ： 1 - 5 ． [ 5 ] 李波 ， 顾冲时， 李智录， 等． 基于偏最d x z ． 乘 回归和 最小二乘支持向量机的大坝渗流监控模型[ J ] ． 水利 学报 ， 2 0 0 8 ，3 9 ( 1 2 ) ：1 3 9 0 - 1 3 9 4 ． [ 6 ] 骆进军， 李波 ， 李立辉． 基于神经网络的大坝岩体渗 透系数张 量反演 分析 [ J ] ．水 电能 源科学 ，2 0 0 8 ， 2 6 ( 5 ) ： 5 4 — 5 6 ． [ 7 ] 洪云 ， 杨诗经 ， 郑东键． 古田溪一级大坝的渗流统计 分析及其防渗效应研究[ J ] ． 水电自动化与大坝监测 ， 1 9 9 4， ( 6 ) ：3 3 - 3 7 ． [ 8 ] 苏怀智 ， 孙小冉． 混凝土坝渗流性态综合评价与趋势 预估模型研究[ J ] ． 人民长江， 2 0 1 3 ， 4 4 ( 2 2 ) ： 9 5 - 9 9 ． [ 9 ] 顾冲时， 李波 ， 徐宝松 ， 等． 碾压混凝土坝渗漏安 全监控模型建模方法研究[ J ] ． 河海大学学报：自然 科学版 ， 2 0 0 8 ，3 6 ( 5 ) ： 5 7 9 - 5 8 4 ． [ 1 O ]谢红， 张家发， 龙文九． 三峡大坝基础渗流控制措施 效果分析[ J ] ． 长江科学院院报，1 9 9 8 ， 1 5 ( 1 ) ： 3 4 - 3 8 ． [ 1 1 ]何鲜峰， 顾冲时， 谷艳 昌． 分形一 混沌混合预测模型在 大坝安全监测中的应用[ J ] ， 武汉大学学报( 工学版) ， 2 0 0 8 ， 4 1 ( 1 ) ： 4 5 — 4 9 ． [ 1 2 ]H A N K，K I M J ． G e n e t i c Q u a n t u m A l g o r i t h m a n d I t s A p — p l i e a t i o n t o C o m b i n a t o ri a l O p t i m i z a t i o n P r o b l e m[ c]∥ I E EE Ne u r al N e t w o r k C o u n c i l ．P r o c e e d i n g s o f the 2 0 0 0 C o n g r e s s o n Ev o l u t i o n a r y Co mp u t a ti o n，L a J o l l a Ma r ri o t t Ho t e l，US A，J u l y 1 6 —1 9，2 0 0 0： 1 3 5 4—1 3 6 0 ． [ 1 3 ]S HU Z ， WE I P， B I N L ， e t a 1 ． A N o v e l Q u a n t u m G e n e t i c Al g o rit h m Ba s e d o n P a r t i c l e S wa r m Op t i mi z a t i o n Me t h o d and I t s A p p l i c a t i o n [ J ] ． A c t a E l e c t r o n i e a S i n i e a ，2 0 0 6 ， 3 4 ( 5 ) ： 8 9 7 — 9 0 1 ． [ 1 4 ]罗红明． 量子遗传算法及其在地球物理反演中的应用 研究[ D] ． 武汉 ： 中国地质大学 ， 2 0 0 7 ． [ 1 5 ]范胜辉． 量子进化算法及其应用研究 [ D] ． 南京 ： 南京 航空航天大学， 2 0 1 0 ． [ 1 6 ]郭海燕 ， 金炜东 ， 李丽 ， 等． 分组量子遗传算法及其 应用[ J ] ．西南 科技 大学学 报： 自然 科学 版， 2 0 0 4， 1 9 ( 1 ) ： 1 8 — 2 1 ． ( 编辑 ： 曾小汉) Up l i f t P r e s s u r e a t Da m Ba s e o f Co n c r e t e Gr a v i t y Da m Co n s i d e r i ng t h e No n l i n e a r En v i r o n m e nt a l I m p a c t s XU W e i ，FANG Ch u n． h u i ，W ANG Xu e ， ZHU Ka i ( 1 ． A r c h i t e c t u r a l E n g i n e e ri n g I n s t i t u t e ， Z h e j i a n g U n i v e r s i t y o f Wa t e r R e s o u r c e s a n d E l e c t ri c P o w e r ，H a n g z h o u 3 1 0 0 1 8 ， C h i n a ； 2 ． Z h e j i a n g I n s t i t u t e o f H y d r a u l i c s & E s t u a r y ，H a n g z h o u 3 1 0 0 2 0 ， C h i n a ； 3 ． D e p a r t m e n t o f H y d r a u l i c E n g i n e e ri n g ， Z h e j i a n g T o n g j i V o c a t i o n a l C o l l e g e o f S c i e n c e a n d T e c h n o l o g y ， H a n g z h o u 3 1 1 2 3 1， Ch i n a；4．S t a t e Ke y L a b o r a t o ry o f Hy d r o l o gy — W a t e r Re s o u r c e s a n d Hy dr a u l i c Eng i n e e rin g， H o h a i U n i v e r s i t y ，N a n j i n g 2 1 0 0 9 8 ， C h i n a ) Ab s t r a c t ： I n v i e w o f t h e l a g e f f e c t a n d t h e n o n l i n e a r c h a r a c t e ris t i c s o f t h e i n f l u e n c e o f u p s t r e a m wa t e r l e v e l a n d r a i n f a l l o n t h e u p l i f t p r e s s u r e o f c o n c r e t e g r a v i t y d a m ，a mo n i t o ri n g mo d e l o f t h e c o n c r e t e g r a v i t y d am c o n s i d e ri n g ( 下转 第 5 8页) 5 8 长江 科学 院院报 2 0 1 6生 we r e s e a r c h e d t h e l a n d s l i d e s a n d c o l l a p s e ma s s e s i n d e b ri s fl o w f o r ma t i o n a r e a ．I n t hi s p a p e r ．we t o o k Yuz i x i r i v e r b a s i n b e t we e n Yi n g x i u c o u n t y a n d Wo l o n g c o u n t y a s r e s e a r c h a r e a a n d 2 3 d e b ri s fl o w g u l l i e s a s r e s e a I _c h o b j e c t s ． Ar e a o f t h e s t u d y r e g i o n i s a b o u t 3 9 6 k m ，a n d t o t a l a r e a o f d e b ri s fl o w b a s i n i s a b o u t 2 0 8 k m2 ．0n t h e ba s i s o f i n． t e r p r e t a t i o n o f t h e l a n d s l i d e a n d c o l l a p s e p o i n t s wi t h h i g h r e s o l u t i o n r e mo t e s e n s i n g i ma g e s ，i n a s s o c i a t i 0 n wi t h f ie l d i n v e s t i g a t i o n，we c o n fi r me d t h e r e l i a b i l i t y o f t h e r e mo t e s e n s i n g i n t e r p r e t a t i o n ，a n d f i n all y o b t a i n e d 2 7 4 1 d i s a s t e r p o i nt s wi t h a n a r e a o f 2 3． 6 k m ．Th e n we e mp l o y e d GI S t o c a l c u l a t e t h e di s t r i b u t i o n o f t h e l a n ds l i d e s a I 1 d c o Ua p s e p o i n t s i n a s p e c t s o f e l e v a t i o n ， g r a d i e n t ， d i p ， l i t h o l o g y a n d d i s t a n c e f r o m t h e fi v e r ． R e s u l t s s h o w t h a t 。 fi r s t l y ．m 0s t l a n d s l i d e s a n d c o l l a p s e ma s s e s e x i s t i n t h e e l e v a t i o n o f 1 5 0 0 — 3 0 0 0 m；s e c o n d l y ，t h e a r e a r a t i o o f l a n d s l i d e s a n d t h e c o Ua ps e ma s s e s wi t h s l o pe gra d i e n t o f 40。 一 5 0。 i s t h e l a r g e s t ；t h i r d l y ，s l o p e d i r e c t i o n i s c o n e e n t r a t e d i n 出e r a n g e o f 9 0 。 - 1 8 0。 ，a n d s l o p e d i r e c t i o n o f t h e r a n g e i s p e rpe n d i c u l a r t o t h e e a r t h q u a k e f a u l t ；f u r t h e 1 T a o r e 。un d e r e a r t h qu a k e o r h e a v y r a i n f a l l， h a r d e r d i o ri t e e a s i l y l e a d s t o a l arg e n u mb e r o f l a n d s l i d e s a n d c o fl a p s e ma s s e s ：fi n a l — l y，l a nd s l i de an d c o l l a ps e e a s i l y b r e a k o u t wh e n mo u n t a i n s are n e a r t he r i v e r ． Ke y wo r d s ： l a n d s l i d e ；Y u z i x i Ri v e r ；c o ll a p s e；d e b ri s fl o w；s p a t i al d i s t ri b u t i o n c h a I ．a c t e r i s t i c s ( 上接第 4 6页) t h e n o n l i n e ar e nv i r o n me n t a l i n flu e n c e i s e s t a b l i s h e d ．Th e i n flu e n t i a l p r o c e s s i s r e g ard e d a s a no 瑚 a l di s t r i bu t i o n p r o c e s s and t h e l a g g i n g d a y s a n d i n fl u e n t i a l d a y s a r e o p t i mi z e d b y i m p r o v e d q u a n t u m g e n e t i c a l g o ri t h m t o r a i s e t h e fit t i n g a nd f o r e c a s t i n g a c c u r a c y．F i n all y，a C o n c r e t e g r a v i t y d a m i s t a k e n a s a n e x a mpl e a n d t h e c o r r e s p o n di ng u pl i f t p r e s s u r e s e ri e s o f t h e me a s u ri n g p o i n t A6 - UP_ 0 1 a r e fi t t e d a n d p r e