(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210457462.0 (22)申请日 2022.04.28 (71)申请人 水利部南京水利水文自动化研究所 地址 210012 江苏省南京市铁心桥 街95号 (72)发明人 方卫华　王润英　 (74)专利代理 机构 上海合进知识产权代理事务 所(特殊普通 合伙) 31324 专利代理师 王寿刚 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于数字孪生的大坝安全预警消警方 法及系统 (57)摘要 本发明公开了一种基于数字孪生的大坝安 全预警消警方法及系统， 包括如下步骤： 通过自 适应数值模拟、 综合评估模型、 动态递推数据驱 动模型、 在线数据同化模 型、 异常诊断推理模型、 行为理解模型、 实景与XR模型、 数据与机理混合 驱动控制模型构建与客观物理大坝安全性态相 同、 影响因素一致、 可测响应等同、 多维场景保真 的数字孪生大坝； 通过数字孪生大坝对客观物理 大坝进行信息感知和优化、 信息异常诊断、 结构 安全与系统工作状态在线评估、 大坝安全状态精 准预报、 失事后果有效预警、 大坝安全状态合理 调控以及后续措施建议针对性推荐。 本发明体系 完整、 创新型和实用性突出， 具有良好推广应用 价值。 权利要求书4页 说明书15页 附图2页 CN 114707227 A 2022.07.05 CN 114707227 A 1.一种基于数字 孪生的大坝安全预警消警方法， 其特 征在于： 包括如下步骤： 基于客观物理大坝， 通过自适应数值模拟、 综合评估模型、 动态递推数据驱动模型、 在 线数据同化模型、 异常诊断推理模型、 行为理解模型、 实景与XR模型、 数据与机理驱动控制 模型构建与 物理大坝安全性态相同、 影响因素一致、 可测响应同步、 多维场景逼真的数字孪 生大坝； 通过数字孪生大坝对客观物 理大坝进行可视化和便捷化的信 息异常感知和诊断、 结构 安全与系统工作状态在线评估、 大坝安全状态精准预报和失事后果的预警， 并依据预警数 据提出用于消警的水位控制建议、 抗震控制建议和除险加固建议。 2.根据权利要求1所述的一种基于数字孪生的大坝安全预警消警方法， 其特征在于： 构 建数字孪生大坝的方法包括： 获取大坝有关工程安全的信息并进行对比分析， 依据损伤老化分析、 不利工况试算、 工 程类对、 隐患演化结合人机交 互求解大坝可能失事 模式和失效路径； 依据大坝可能失事模式和失效路径确定模型种类， 模型种类用于描述大坝的失效模 式、 失效过程和 后果， 所述模型种类包括工程安全分析与可靠度评估模型、 预测预警与后果 推演模型、 人机交 互模型以及可靠高效控制模型； 根据逻辑严密程度分析、 对物理大坝实 际的描述能力、 假设的合理性和已推广应用情 况判别建模理论是否成熟： 若建模理论成熟， 则根据方法与模型对具体大坝的针对性、 匹配性结合推荐算法和专 家经验， 初步选择相应的算法， 通过实际计算结果从计算精确度、 收敛稳定性和鲁棒性等方 面确定相应的理论方法， 并根据相应的理论方法构建相应的数值模型和深度学习预处理模 型； 方法选择及确定是指针对上一步所确定的模型种类寻找相匹配的自适应鲁棒自动求 解方法， 包括偏微分方程组的数值求解方法、 非参数和半参数模型的建立方法、 参数模型的 参数估计方法和深度学习方法； 所述偏微分方程组的求解方法包括等价形式和数值离散方法， 所述等价形式包括变分 形式和积分形式； 所述数值离散方法包括有限差 分法、 有限元法、 边界元法、 无限元法、 有限 体积法、 无网格法、 不连续变形分析、 自然单元法以及以上方法的组合与改进方法； 所述组 合包括多种网格组合的子结构法和区域分解法， 所述改进包括多重网格法、 分层基法、 BPX 法， 同时选用等几何分析法用于减少边界离散误差， 选用依赖度低的物质点法用于减少对 网格性， 对应力集中部位采用无网格法离散； 离散网格初期根据 竣工资料和实测数据完成， 离散网格后期根据感知系统测 量的大坝结构实际尺寸和材料分区采用动态自适应自动生 成； 所述数值离散过程还包括插值方法和检验方法， 所述插值方法包括多项式插值法、 径 向基插值法、 小波基及其扩展插值法、 高阶插值法、 不协调插值法、 混合插值法和谱形式插 值法， 所述离 散后的检验算法包括网格无关判别算法、 模型 稳定性算法和收敛性判别算法； 非参数、 半参数和参数模型的选择依据包括样本维数、 数量、 独立性、 平稳性， 包括核估 计模型、 回归 模型、 灰色模型和相关向量机模型； 所述参数模型的参数估计方法包括整体抗差估计方法、 正则化方法和仿生全局优化算 法；权　利　要　求　书 1/4 页 2 CN 114707227 A 2所述神经网络架构的确定方法包括经验法、 试错法和裁剪法， 所述神经网络架构的确 定方法的参数求解方法采用误差反向传播算法， 所述误差反向传播算法包括梯度下降算法 和动量算法； 若建模理论不成熟， 则进行知识获取， 用于获取新模型， 对知识获取获得的新模型针对 物理大坝的特征进 行条件核对和修正； 所述知识获取的方法包括网络爬虫、 专家咨询、 数据 挖掘、 知识蒸馏等、 图神经网络和知识图谱， 所述知识获取方法的选用由人机交互专家进 行 确认； 分析问题解决模型的定解条件和样本是否满足求 解要求： 若满足， 则建立情景再现模型、 安全分析模型、 预测预警模型和人机交互模型的自适应 多尺度数值模型、 动态递推自适应数据驱动模型、 混合驱动数据同化模型、 信息融合预警预 报模型和虚拟动态三维显示模型； 所述自适应数值模型采用hp自适应； 否则， 样本数量不足或位置不合理时先进行增强感知， 当增强感知所获结果仍然不能 满足定解条件需要时则对样本进 行增强处理， 处理方法包括： 通过生成对抗网络、 变分方法 和扩散模 型进行样本生成或样本增强； 通过数据同化、 分形克里格协同插值计算样本填充； 若上述两种增加样本的方法仍不能满足求解或参数估计要求， 则采用0样本学习适应无样 本情况， 采用小样本学习适应少样 本情况； 采用稀疏建模或贝叶斯建模进 行数据驱动建模； 采用仿生算法、 抗差估计、 同伦方法和正则化方法进 行参数反演； 采用迁移学习、 知识蒸馏、 模型裁剪等适应不同工况和模型应用场景的变化； 结构化实测数据、 数值模拟计算结果以及预测值之间的相对最大误差满足： 大坝及基 础温度≤1％、 大坝及基础变形≤2％、 大坝及基础渗流压力≤3％、 大坝及基础应力≤5％， 大坝隐患细部构造超高分辨率图像清晰度不小于4K； 实时生成全彩高质量全息图1080p分 辨率； 实景现实外观表现一致； 多种感知手段获取信息协调； 非结构数据的可视化满足可理 解性、 直观性、 形象性和易 鉴别性的专 家评审要求； 通过云计算和并行计算加快计算速度和人机交互效率， 通过任务加卸载优化调度算法 协调后台运行， 采用提前规划、 预先计算存储以提高系统响应速度， 使 得结构化信息 响应滞 后时间≤ 0.1秒， 非结构化信息响应滞后时间≤ 0.1秒。 3.根据权利要求2所述的一种基于数字孪生的大坝预警消警方法， 其特征在于： 所述大 坝有关工程安全的信息包括： 大坝建设运行过程资料、 外部赋存环境数据、 大坝结构力学参 数、 响应数据、 领域知识和失事后果； 所述外部赋存环境数据包括水文数据、 地形地质数据、 气象数据、 气候数据和运行管理 信息； 所述大坝结构力学参数包括结构和地质的几何尺寸、 坡度、 孔隙率、 岩性、 糙率、 渗透系 数、 固结系数、 释水率、 热传导系数、 热膨胀系数、 弹塑性力学参数、 断裂力学参数、 损伤力学 参数和施工过程数据； 所述响应数据包括变形 数据、 渗流数据、 应力应 变数据和温度数据； 所述失事后果包括社会、 经济、 生态影响数据， 社会经济生态影响数据包括大坝不同失 事模式影响到的防洪投入和损失数据、 抗旱投入和损失数据、 供水投入和损失数据、 生态投 入和损失数据、 发电投入和损失数据和航 运投入和损失数据。权　利　要　求　书 2/4 页 3 CN 114707227 A 3