Page 88 - 2024年第55卷第8期

水 利 学 报

２０２４年 ８月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５５卷 第 ８期

文章编号：０５５９ － ９３５０（２０２４）０８ － ０９６６ － １２

基于虚拟传感器的坝区多输出自由场地震时程长序列预测模型研究

１
２
１
３
１
苏 哲 ，刘宗显 ，余红玲 ，佟大威 ，余 佳 ，王晓玲 １
（１．天津大学 水利工程智能建设与运维全国重点实验室，天津 ３０００７２；２．雅砻江流域水电开发有限公司，四川 成都 ６１００５１；
３．中国农业大学 水利与土木工程学院，北京 １０００８３）
摘要：坝区自由场地震时程的多维长时序预测对于震害快速分析具有重要意义。虚拟传感器是地震物理传感器的
补充感知手段，可实现地震时程的预测，然而现有虚拟传感器难以对多个信号做长时序预测，导致大坝震害分析
较为滞后。针对上述问题，提出基于 ＴＦＡ － Ｓｅｑ２Ｓｅｑ虚拟传感器的坝区多输出自由场地震时程长序列预测模型。其
中，基于多任务学习将 Ｓｅｑ２Ｓｅｑ的虚拟传感器改进为 “Ｅｎｃｏｄｅｒ － ３Ｄｅｃｏｄｅｒ” 结构，以建立多个坝体物理传感器信
号与自由场三个方向长时序地震时程的映射关系，并添加注意力机制捕获多个输入信号的时序依赖关系，以解决
同步多输出预测问题及提升预测精度。进一步，引入可逆的时频变换层和其逆变换层改进编码器和解码器，以缩
短地震信号的时域长度，提取频域特征，并提出对应的随机强制学习的模型训练策略，从而克服了现有虚拟传感
器难以对长序列进行有效预测的缺陷。案例分析表明，该方法实现了坝区自由场三个方向地震信号的超前 １０ｓ虚
拟感知，且相较于未添加注意力机制和单输出的模型，预测精度分别提高了 ６．８８％和 ３．３２％，研究为震时地震信
息的超前感知提供了新思路和新途径。
关键词：自由场地震；虚拟传感器；多输出长时序预测；ＴＦＡ － Ｓｅｑ２Ｓｅｑ；多任务学习
文献标识码：Ａ
中图分类号：ＴＶ６９８ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２４００１４
１ 研究背景

我国西南高坝多处于地震活动频发区域 ［１］ ，震时坝区地震时程的感知和预测对大坝地震损伤的快
速分析及应急响应 决策具 有重 要意 义。现 有的大坝 地震响 应 和 损 伤 快 速 分 析 研 究 主 要 通 过 机 器 学
习 ［２ － ３］ 和深度学习 ［４］ 方法将自由场地震时程作为关键输入参数，实现大坝的震后快速分析。其中，坝
区自由场地震时程是自由场地在不受任何结构影响下监测到的地震信号的时间历程。然而，由于缺乏
坝区自由场地震时程的超前感知手段，导致大坝震害分析通常较为滞后。因此，开展坝区自由场地震
信号超前感知方法和三个方向地震时程同步长序列预测的研究，对于大坝 “震时” 快速分析和避难决
策具有重要的理论和现实意义。
在大坝地震工程中，研究主要侧重于对地震特征参数的预测和地震荷载作用下结构响应的时间序
列预测。其中，前者主要对地震的烈度 ［５］ 、震级 ［６］ 、持时 ［７］ 等指标做超前预测，以辅助震前和震中制
定应急响应管理决策。但由于上述研究仅能实现对单个或少数几个地震特征的预测，信息量过少导致
难以有效指导震时的快速预警分析。近年来，相关研究开始逐渐聚焦于地震荷载作用下结构响应的时
间序列预测，其方法主要分为单步预测（ ｏｎｅ － ｓｔｅｐ － ａｈｅａｄｐｒｅｄｉｃｔｉｏｎ）和多步预测（ｍｕｌｔｉｓｔｅｐａｈｅａｄｆｏｒｅｃａｓ
［８］
ｔｉｎｇ）两类。其中，以 ＥＭＤ － ＥＬＭ 、集成学习 ［９］ 、ＬＳＴＭ ［１０］ 等模型为基础的方法主要实现了结构地震
响应的单步预测；基于生成对抗神经网络 ［１１］ 、深度神经网络 ［１２］ 和序列到序列（ｓｅｑｕｅｎｃｅｔｏｓｅｑｕｅｎｃｅ，

收稿日期：２０２４ － ０１ － ０６；网络首发日期：２０２４ － ０８ － ０９
网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｄｏｉ?１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２４００１４
基金项目：天津市自然科学基金项目（２２ＪＣＱＮＪＣ０１１５０）
作者简介：苏哲（ １９９４ － ），博士生，主要从事土石坝地震计算和分析研究。Ｅ － ｍａｉｌ：ｓｕｚｈｅ＠ｔｊｕ．ｅｄｕ．ｃｎ
通信作者：佟大威（１９８２ － ），博士，副教授，主要从事水利工程智能建设与管理研究。Ｅ － ｍａｉｌ：ｔｏｎｇｄｗ＠ｔｊｕ．ｅｄｕ．ｃｎ
— ９ ６ —
６