Page 67 - 2025年第56卷第11期

式中： f ResNet 为用于参数预测的 ResNet 模型；模型的输入参数包括坝料的材料料源参数 I m 和施工质量
参数 I c ；模型的输出参数为土石料干密度和邓肯 E-B 模型参数。
最后，针对大坝不同分区材料参数存在差异性但均采用邓肯 E-B 模型来表征其力学行为的潜在关
联特点，基于迁移学习将预训练的 ResNet 模型从采样数据量充足的心墙区迁移到数据量欠缺的其他分
区，用于完成全坝各分区的参数预测。通过迁移学习方法结合目标分区的少量三轴试验数据，进行
ResNet 模型微调，捕捉材料物理力学参数与施工质量信息之间的非线性关系，建立各分区的材料参数
预测模型；通过 Kriging 法 ［23］ 对实测点位的料源参数 I m 进行三维空间坐标插值，获得有限元网格模型中
各分区所有单元的 I m ，再结合全坝施工质量监控信息 I c ，输入所构建的各分区材料参数预测模型，以
实现全坝材料参数非均质性的量化，解决传统方法依靠材料参数的分布函数来表征非均质性而引入随
机误差的问题；进而将考虑施工质量的材料参数赋值到有限元模型的网格中，实现更为准确的大坝地
震动力响应分析，以建立考虑施工质量影响的大坝地震响应分析系统数据集。
3.3 基于虚拟传感器的坝区地震动信息获取 地震动信息是大坝地震动力响应分析的关键输入参数。
其中包含地震整个发生过程中所有信号的时间历程，具有非平稳性和高采样率特征。为实现地震分析
系统的坝区地震信息的感知，避免大坝地震动力响应分析的滞后，在系统中引入基于虚拟传感器的坝
区 地 震 动 信 息 感 知 方 法 ［42］ 。 其 中 ， 通 过 多 任 务 学 习 思 路 将 传 统 的 序 列 到 序 列 模 型（Sequence to
Sequence，Seq2Seq）进行了改进，实现自由场地震信息的多输出；然后分别引入时频变换和注意力机
制改进 Seq2Seq 的编码器和解码器，以提取地震信号频域特征，同时提升感知的时域长度和精度。将
该虚拟传感器作为物理传感器的有效补充，能够在地震发生时对坝区地震信号进行稳定的感知，为震
时的大坝地震动力响应快速分析提供数据支撑。
3.4 基于关系型数据库的数字孪生信息虚实交互方法 基于所提数据底板框架，提出基于关系型数据
库的数字孪生信息虚实交互方法，在数据底板中集成施工智能监控和多源感知信息，构建高保真的数
字孪生虚拟空间（图 3）。
首先，通过无人机实景建模拍摄 L3 级数据底板范围内的坝区，利用记录无人机摄影照片的三维
空间坐标确保三角网格模型空间位置，同时在网格模型基础上应用所提建模方法，基于设计和施工监
控的分区分层坐标构建大坝参数化实体模型，并将二者整合统一转换为通用格式文件，以建立数字孪
生空间的可视化几何模型。进而，通过将智能监控数据中的经纬度坐标、参数化建模的大地坐标统一

转换为大坝坐标系，实现模型与数据在三维空间位置的坐标信息配准。

图 3 数字孪生空间中的数据底板坐标信息配准

其次，采用 SQL Sever 关系型数据库对施工智能监控和所提多源感知信息与大坝三维模型进行集
成，构建统一局部坐标系下的三维模型、传感器信息、施工信息、坝料物理力学参数、地震传感器信
息和专业模型数据之间关联的数字孪生空间，使得用户能够通过三维可视化对孪生空间的各类信息进

— 1458 —