Page 121 - 2023年第54卷第6期

水 利 学 报

２０２３年 ６月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５４卷 第 ６期

文章编号：０５５９ － ９３５０（２０２３）０６ － ０７４９ － １３

基于模态分解和云粒子网络的大坝基岩地震动输入研究

１
１
张宏洋 １，２ ，李 桐 ，杨益格 ，丁泽霖 １，３ ，张先起 １，３ ，汪顺生 １，３
（１．华北水利水电大学 水利学院，河南 郑州 ４５００４６；
２．华北水利水电大学 清源书院，河南 信阳 ４６４２００；
３．黄河流域水资源高效利用省部共建协同创新中心，河南 郑州 ４５００４６）

摘要：在大坝抗震安全评价中基岩地震动输入多采用实测数据或人工生成等方式，而当坝址仪器损坏或历史震害
资料不足时，确定基岩地震动就变得尤为困难。本文提出对大坝基岩地震动进行反演的研究思路，并开发了基于
经验模态分解和云粒子网络的分解—训练—反演混合模型，在不依赖场地历史震害资料的情况下，仅用少量周边
测站数据即可确定大坝的基岩地震动。首先，选取坝址周边地表及基岩的地震动实测记录，采用经验模态分解法
将地震加速度序列分解；其次，通过粒子群算法建立与神经网络连接权值的映射，采用云理论优化粒子群算法的
全局寻优能力，建立反演模型，将分解后的加速度序列作为训练集进行反演训练；然后，选取与大坝处于相似地
质情况的地表实测地震动信息，结合反演模型对大坝基岩输入地震动进行反演；最后，以紫坪铺大坝为研究实
例，通过对比传统输入方法，验证该模型的适用性。结果表明：本文所提的混合模型综合性能稳定，能较好地反
演地震加速度序列，模型决定系数均大于 ０．９，平均绝对百分比误差均在 １１％左右；采用本文反演得到的基岩地
震动进行计算，较已有研究成果计算误差降低 ０．７９％～１７．２８％，与工程实际动力响应更为吻合。本文方法可为解
决大坝基岩输入地震动的获取提供一条新途径。
关键词：地震动输入；土石坝；反演；径向基神经网络；云理论；粒子群优化；经验模态分解
中图分类号：ＴＶ３１２ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０１５９
文献标识码：Ａ

１ 研究背景

目前，我国中西部地区修建了大量水利工程，但该地区处于环太平洋地震带与欧亚地震带之间，
地震频发，大坝的安全性问题极大地危及人民生命财产安全及国家社会的稳定。因此，对大坝在地震
条件下的安全性能进行深入分析是十分必要的。
抗震评价的首要问题就是地震动的输入问题。由于震源位置和地形条件的影响，确定地震波传播
至建筑物的具体时程较为困难。目前我国在大坝抗震评价中基本采用埋设测站或人工生成等方法来确
定大坝基岩输入地震动。孔宪京等 ［１］ 通过对紫坪铺大坝的坝体实测动力响应数据进行对比分析，认为
紫坪铺大坝采用茂县地办台站实测地震动或按抗震设计规范生成的人工地震动进行动力计算是比较合
适的。但附近测站所测得的地震动数据不能完全真实反映大坝基岩的输入地震动，故其模拟结果会与
坝体实测数据稍有偏差。而距离大坝较近且地质情况相似的绵竹清平测站，则由于其测量目标为地
表，也无法准确反映基岩输入地震动。为此，需要一种可用于复杂地质情况且不需大量实测数据的地
震动确定方法来实现大坝基岩输入地震动的确定。
近些年，随着国家深入推进智慧水利发展，多种人工智能算法与大坝动力分析深度结合，演化出
反演分析等研究方法。余红玲等 ［２］ 提出一种贝叶斯框架下的组合代理模型，解决了单一代理模型精度

收稿日期：２０２３ － ０３ － ２１
基金项目：国家自然科学基金项目（５２０７９０５１）；河南省高等学校重点科研项目（２１Ａ５７０００１，２２Ａ５７０００４，２３Ａ５７０００６）
作者简介：张宏洋（１９８１ － ），博士，副教授，主要从事水利工程试验及数值模拟研究。Ｅ － ｍａｉｌ：ｚｈｙｎｃｗｕ＠１６３．ｃｏｍ
通信作者：丁泽霖（１９８３ － ），博士，副教授，主要从事水利水电工程模型试验研究。Ｅ － ｍａｉｌ：ｚｚｓｔａｒ＿ｎｃｗｕ＿ｈｓ＠１６３．ｃｏｍ

— ７ ４ ９ —