Page 79 - 2022年第53卷第2期

施工进度风险。杜荣祥等 ［9］ 利用实时监控系统中的铺料厚度信息建立了考虑仓面实时监控厚度影响
的堆石坝仓面施工仿真模型。Du 等 ［10］ 和 Zhang 等 ［11］ 考虑了心墙堆石坝施工过程中仓面划分因素的影
响，提出了基于分期分区优化的心墙堆石坝施工仿真方法，一方面提高了仿真模型的准确性，另一
方面给出了高心墙堆石坝分期分区方案的优化建议。钟登华院士团队结合系统仿真技术、数据库技
术、可视化技术、系统集成技术和实时监控技术，构建了高堆石坝施工过程的仿真与优化系统 ［12］ 。上
述研究均为堆石坝仓面施工仿真在考虑各种影响因素以提高仿真模型与真实世界的一致性方面所做
出的有益探索，在影响堆石坝施工进度的因素中，天气是最重要的影响因素之一 ［13-14］ 。因此，国内外
学者围绕考虑天气影响的施工仿真开展了大量的研究。Shahin 等 ［15］ 在 2011 年提出了一个考虑极端天
气影响的仿真框架，采用数理统计方法拟合天气时间序列，进而基于预测的天气变量在管道施工仿
［16］
真中考虑天气对进度的影响。Marzouk 和 Hamdy 提出了一个预测天气影响下生产力损失的框架，采
集历史气温数据作为影响变量，结合模糊集技术和系统动力学仿真模型预测生产力损失。2014 年，
Shahin 等 ［17］ 提出了一种用于施工仿真的通用天气生成器，采用不同的数理统计组件随机生成降雨、
风、霜、气温等天气参数，并将其应用到考虑寒冷天气条件的隧洞施工仿真模型中 ［18］ 。Jung 等 ［19］ 提出
了一种能够考虑随高程变化的气温条件来构造气温延迟的仿真模型，以分析垂直气温变化的程度对
高层建筑施工的影响。Ballesteros 等 ［20］ 于 2017 年提出了一种新的随机模型，用于处理和模拟组合天气
变量的时空变化；又于 2018 年 ［21］ 使用正弦波曲线将气温的影响纳入施工进度计划和管理中。Zhang
等 ［13］ 提出了一种考虑随机降雨影响的堆石坝施工仿真模型，提出改进的期望最大算法预测随机降雨
量。然而，上述考虑天气影响的研究多基于概率和数理统计方法建立未来的天气序列，这些方法大
多关注气温的长期特征，预测结果趋于平均值，难以准确预测短期具有非线性特征的寒区天气变化
规律 ［22］ ，从而无法为短期仓面施工仿真提供准确参数。此外，现有研究未在仿真中考虑高寒低温条
件下停工以及揭膜、覆膜等特殊工艺对堆石坝施工过程的影响，限制了仓面施工仿真在工程实际中
的应用。因此，有必要建立有效反映高寒地区气温随时间变化规律的气温预测模型，并在高寒地区
施工仿真中考虑低温条件对堆石坝施工进度的影响。
随着人工智能的发展，机器学习方法 ［23-24］ 由于能够有效地预测具有非线性和时变特性的时间序
列，为建立准确的天气预测方法提供了有效的技术手段。其中，人工神经网络被成功应用于气温预
［28-29］
测领域 ［25-27］ ，具有前馈神经网络结构的多层感知器（MLP） 作为最受欢迎的人工神经网络之一，也
已经被成功用于气温预测领域。但是，传统 MLP 方法中常用的小批量梯度下降算法存在局部优化和
训练低效的不足；此外，网络中学习率、学习动量等结构参数和隐藏层中神经元的数量等超参数往
往难以确定 ［30-31 ］ 。针对上述问题，本文提出了基于 PSOMLP 的寒区气温预测方法，利用 PSO 的高效搜
索和全局最优能力来优化 MLP 的超参数，以避免小批量梯度下降算法优化 MLP 陷入局部最优的缺
陷，提高 MLP 的训练效率和精度；基于获得的气温时间序列确定低温停工参数，并在仿真模型中考
虑高寒地区低温条件下揭膜、覆膜等保温工序，建立考虑高寒低温影响的高心墙堆石坝仓面施工仿
真模型，实现对高海拔高寒地区堆石坝仓面施工过程的准确模拟分析。

2 考虑高寒低温影响的高心墙堆石坝仓面施工仿真模型

2.1 考虑高寒低温影响的高心墙堆石坝仓面施工仿真问题与需求 现有高堆石坝施工仿真中对气温
影响的考虑主要采用工程经验或者统计分析方法获得有效施工时长等参数从而间接反映气温对施工
过程的影响。例如，高心墙堆石坝施工仿真研究中考虑冬季低温影响最常见的做法是降低冬季施工

的日有效施工时长，正常天气条件下的日有效施工时长设定为 20 h，对于受到低温影响的 11 月至 1
月，每日有效施工时长设定为 12 h。这种做法主要存在两个问题：（1）高寒地区的气温变化存在较大
的不确定性，设定一个恒定的有效施工时长将影响仿真结果的准确性。由于这种通过有效施工时长
间接考虑天气影响的方式无法确定准确的低温停工时刻和停工时长，所以无法进行更精细的仓面施
工组织，可能会导致人力物力的浪费；（2）缺乏对高寒施工条件下特殊工艺的考虑。随着对高寒冬季

— 201 —