Page 80 - 2022年第53卷第2期

施工工艺的研究越来越深入，一系列较为完善的冬季施工主被动综合防控措施被提出，但是现有仿
真研究对这些特殊保温工艺的考虑较为缺乏，限制了仿真在实际施工中的应用。
上述问题对高寒低温环境影响下的心墙堆石坝仓面
施工仿真模型提出了新的需求：（1）需要准确量化由于
高寒低温带来的停工影响，确定准确的停工时长和停工
时刻，从而提高仓面施工仿真模型的准确性；（2）需要
有效考虑高寒环境中高心墙堆石坝施工的特殊工艺，例
如覆盖保温层、揭保温层等相关工序，给出具有实际指
导意义的施工组织建议。
为了满足上述需求，本文提出一个新的考虑高寒低
温影响的高心墙堆石坝仓面施工仿真模型，该模型通过
建立一个高精度的短期寒区气温预测方法以准确获取停
工时长和停工时刻，并在模型中建立了高寒地区低温条
件下揭膜、覆膜等保温工序，以提高仿真模型的准确性
和在工程实际中的应用效果。所提出的模型主要包含气
温预测和仿真方法两个子方法，在数学模型中详细定义
了模型的输入输出以及两个子方法的逻辑关系，如图 1
图 1 数学模型
所示。
数学模型包括 3 个部分：①输入：定义模型输入参数，主要可以分两个参数集合，P PM 为气温预
测的参数集，包括输入参数如历史气温时间序列 I ，粒子群优化算法参数 I PSO ，多层感知机参数
HT
I MLP ；P CO 为 M CO 的参数集，包括输入参数如仿真工序 I SIM ，仿真逻辑 I ，大坝体积参数 I ，机械配置
R
DV
I ，机械运行参数 I CV， 仓面施工单元划分方案 I ，低温停工参数 I ，其中，I 由低温仿真工序（如揭
M
BT
S
BT
膜、覆膜工序等）W SIM 、停工时刻 T 和停工时长 TI 构成。②模型：定义模型方法主要包含模型方法
ST
ST
集和方法之间的逻辑关系，M 表示方法集，包括 CYCLONE 离散事件仿真方法 M 、基于 PSOMLP 的
CO
寒区气温预测方法 M ；函数 f 反映了方法之间的逻辑关系，即根据气温预测模型的输出可以得到仿
PM
真模型的低温停工参数；③输出：定义模型输出结果，主要可以分为两类，气温预测方法输出结果
为预测气温时间序列 O ；仿真模型输出结果为施工进度 O 、总工期 O 和施工强度 O 。
S
Q
T
FT
基于 PSOMLP 的寒区气温预测方法 本节主要介绍提出的基于 PSOMLP 寒区气温时间序列预测方
法。相关研究表明，高寒地区气温变化具有非平稳时变特征 ［22］ ，神经网络较好的非线性和自学习能
力可以较好地预测短期气温变化，但存在容易陷入局部最优，收敛速度慢，隐含层单元数目等超参
数难以确定等问题 ［29-30］ 。针对上述问题，本文提出基于 PSOMLP 的寒区气温时序预测方法，该方法采
用 PSO 优化基于小批量梯度下降算法的 MLP，以提高 MLP 的训练速度，确定 MLP 的最优结构参数，
从而实现对仓面施工时间内寒区气温变化规律的准确模拟。本节内容共分为两小节，首先，在 2.2.1
小节中介绍了多层感知机的基本原理，其次，在 2.2.2 小节中介绍了所提出的寒区气温预测 PSOMLP
方法与流程。
2.2.1 多层感知机（MLP）基本原理 MLP 是一种具有单向误差传播的多层前馈网络模型，是迄今为
止最流行的前馈网络架构。MLP 可有效解决寒区气温这类非线性时间序列预测问题，相比于确定性
模型或一般线性统计方法具有更好的预测结果 ［29］ 。MLP 由输入、隐藏和输出层组成，所有这些层均
由相似的神经元组成。研究表明具有单个隐藏层的 MLP 可以近似于具有任意精度的非线性系统，因
此本研究使用单隐藏层 MLP 来进行寒区气温预测。
MLP 层与层之间是全连接的。MLP 的每个节点都具备两个功能函数：求和函数和激活函数。隐
藏层上的求和函数用于计算第 j 个神经元的输入，如式（1）所示：
n
j å( w ·I + β
Net = ij i j ) （1）
i = 1
— 202 —