Page 90 - 2022年第53卷第3期

由此形成服从N (01 )的标准正态化序列{ }，进一步改写式（16）为：
Z i
2P
rf
′
P = AP = 1 - Φ( ) ⋅ P rf （18）
f
rf
Z
式中Φ（Z）为转换为标准正态分布下的测值分布区间概率。 i
i
′
根据上式，设工程的目标可靠度为β ，当 Z =β 时，P f = P rf ，测值处于安全与风险的临界状态；当
t
t
i
′
Z i > β t 时，P f > P rf ，表征工程出现风险。由此，可参考规范规定的目标可靠度β 设置属性判断阈值±β ′
t
作为划分安全与风险的指标，如图 4 所示，将全部测
安全测值 安全区间 安全测值 安全区间
点测值映射在标准正态分布曲线上，结合属性判断阈
值±β ′，可以直观衡量监测项目的风险特性以及测点
测值的安全状态。
3.4 边坡实时风险率量化方法流程 综合上述理论和
方法，提出边坡实时风险率量化模型的计算流程如图
5 所示，主要包含以下步骤：（1）分区构建边坡监测效
-β ′ 0 -β
应量的时空回归统计模型，计算测点的实测值 X 和对 图 4 测值属性判断示意图
i
̂
应 的 模 型 拟 合 值 X ；（2）根 据 边 坡 工 程 的 安 全 级 别 ，
i
̂
选取对应的目标可靠度β 和容许风险率 P ；（3）运用测点的实测值 X 和模型拟合值X ，结合边坡目标
i
i
rf
t
′
可靠度β t 和容许风险率 P ，计算该测点测值的实时风险率P f ；（4）对输入序列{ }做标准正态化处
X i
rf
理，生成标准正态化序列{ }；（5）参考规范规定的目标可靠度β 设置属性判断阈值±β ′，并由此生成
Z i
t
安全区间和风险区间；（6）对比序列值 Z 和属性判断阈值±β ′，直观判断各测点测值的安全与风险属
i
性，当判断为风险测值时，输出风险测值的实时风险率；（7）将同一监测项目所有测点测值映射在标
准正态分布曲线上，不仅可以直观判断测点测值的安全状态，还可以整体衡量监测项目的风险特性。
开始
输入边坡监测数据{ }
X i
构建时空回归分布模型
̂
计算模型拟合值X i
根据边坡工程安全级别
确定目标可靠度指标β t

′
计算测点测值实时风险率P fi
生成标准正态化序列{ }
Z i
将测值映射到标准正态分布曲线

根据目标可靠度设置属性判断阈值±β ′
生成安全区间与风险区间

是 序列值Z i 绝对值 否
大于属性判断阈值
判断测值为风险测值 判断测值为安全测值

输出风险测值的实时风险率

结束

图 5 基于概率分布的边坡运行实时风险率计算流程图
— 338 —