Page 83 - 2022年第53卷第2期

t
x i t + 1 = x + υ i t + 1 （8）
i
式中：ω为惯性权重，其作用是用于调整全局搜索和局部搜索能力的平衡；c 1、c 2 为学习因子，分别
表示粒子自我学习和向群体中优秀个体学习的能力，本文取 c =c =2、η为［0，1］之间符合均匀分布的
1 2
随机数；t 表示当前进化代数。
第五步：判断是否满足终止条件，如不满足则进入下一循环。

铺料 可以 施工
碾压 合格 铺料 铺料 卸料 作业
面
质检 不发生
说明：
最低气温
低于气温阈值 发生 覆盖 覆盖面揭膜 复合节点：表示一个受约束的工序，该
保温膜 及清理 节点受的约束满足时才可以进入节点，
揭膜覆膜工序 紧前节点只能为排队节点
起始时刻
低温停工时刻 一般节点：非限制性工序
停工时长
排队节点：描述处于被动状态的流水单元
Bootstrap
24 控制节点：具有监测与控制仿真运行功
PSOMLP 24
气温预测模型 18 18 能，可用来控制仿真开始与统计仿真次数
12
12
6 6
0 0
0 1 2 3 4 5 6 7 0.5 1.5 2.5 3.5 职能节点：可进行判断选择
（a）覆膜时长/h （b）揭膜时长/h
图 4 基于 PSOMLP 气温预测的高寒高心墙堆石坝仓面施工仿真模型
2.3 基于 PSOMLP 寒区气温预测的高寒高心墙堆石坝仓面施工仿真模型 在低温条件下，砾石土容
易发生冻结、冻融现象，造成其压实性明显变差，无法满足设计要求。为了保证施工质量，当日最
低气温小于低温限值 y 时，需要在土料冻融之前完成仓面碾压，增设覆盖保温层工序（覆膜工序），
min
覆膜后停止施工，在温度恢复 y 以上后，增加揭保温膜（揭膜工序）、仓面清理工序，清理后开始卸
min
料、铺料、压实和质检工序。然后基于以上低温停工参数和约束，建立考虑低温影响的高寒高心墙
堆石坝仓面施工仿真模型，如图 4 所示。
为了量化高寒低温条件对施工仿真的影响，基于提出的 PSOMLP 寒区气温预测结果判断心墙堆
石坝施工状态，统计日有效施工时间。首先收集心墙气象站的气温数据，构造施工环境气温时间序
列；其次，采用 PSOMLP 方法预测未来气温变化；依据预测的气温数据，判断当日最低气温是否小
于 y ，如果大于 y ，则按照非受限仓面施工仿真模型进行当日施工仿真计算；如果小于 y ，则基
min min min
于 PSOMLP 气温预测结果，确定停工时刻、停工时长，增设覆盖保温膜、揭保温膜及仓面清理工
序，进行低温条件下仓面施工受限状态仿真。最后合并仿真成果，统计仿真成果指标。

3 工程实例

以中国西南部正在建设的寒区某大型高心墙堆石坝项目为研究对象，开展考虑高寒低温影响的
高心墙堆石坝仓面施工仿真模型研究。该心墙堆石坝处于季节冻土区边缘，冬季气候寒冷干燥，极
端最低气温可达-15.9℃，易发生土料冻融现象。工程冬季施工时段主要集中为 1 月至 2 月及 11 月下
旬至 12 月。
3.1 气温数据采集和重构 堆石坝心墙选取小型气象站（Little Smart System，LSS）对气象要素进行全
天候现场精确测量，同时 GPRS 移动通讯将数据传输到中心计算机气象数据库中，用于统计分析和处
理。选取该工程施工第三年 11 月 1 号 0 时至第四年 1 月 23 日 23 时的气温数据作为训练样本训练模
型，第四年 1 月 24 日 0 时至第四年 2 月 23 日 0 时的气温数据作为验证集进行验证。上述气温数据采样
频率为每小时，针对其中的缺失值，采取线性插值的方法进行补全。为了获得一个仿真时段内的气
温预测结果，对历史数据进行重构，选取历史数据窗口长度为 48，预测数据窗口大小为 24 以实现多
步预测。然后滑动窗口 3 次，获得第四年 1 月 24 日 0 时至 1 月 26 日 24 时气温预测结果。

— 205 —