Page 71 - 2025年第56卷第11期

在系统运行过程中，首先，基于虚拟传感器 ［42］ 对坝区自由场地震时程进行超前感知，通过服务器
端 GPU 快速完成时空全域代理模型的计算，分析出大坝在整个地震过程中所有部位的动力响应情况，
以前文所提图像的形式输出表征大坝各节点地震响应的物理场张量信息。其次，基于 Unity 实现数据
驱动的可视化过程如图 7 所示。大坝地震响应分析结果中包含大量节点的物理场张量信息，针对该特
征，提前在系统开发阶段预存节点坐标映射关系，快速将代理模型输出的物理场张量图像根据节点和
时程关系映射回对应时空节点；然后通过三维立方插值算法加密模型节点数量，最后利用三角网格化
技术拟合可视化曲面，通过数据驱动的顶点颜色映射。在此过程中，通过 LOD （level of detail，LOD）
分级加载机制根据用户使用情况降低模型复杂度、提高三维模型显示效率和系统使用流畅度。LOD 技
术通过生成三维虚拟场景的不同细节层次模型，根据 Web 端用户与三场场景交互时的相机与大坝模型
的不同距离，显示不同细节层次的模型，即近距离观察显示高细节层次模型，远距离观察时显示低层
次模型，以提高渲染效率。最终通过所提方法实现大坝地震响应预测结果的数据驱动三维可视化
分析。

图 7 基于代理模型的数据驱动可视化分析反馈流程

6 工程应用

西南某大型砾石黏土心墙堆石坝工程地处横断山脉，库区位于鲜水河地震带上。工程所在区域附
近地震频发，对大坝进行快速、准确的地震动力响应分析至关重要。以该心墙堆石坝为对象，研发数
字孪生框架下大坝地震动力响应分析系统并开展应用。
6.1 系统主界面及数据交互 数字孪生框架下大坝地震动力响应分析系统的主界面如图 8 所示。系统
中的虚拟空间三维模型采用所提无人机实景建模和参数化建模方法构建高精度的 L3 级模型数据底板。
其中，无人机实景建模的拍摄范围为 2000 m×1500 m 的坝区，地面采样距离约为 0.2 m/pixel，通过记
录无人机摄影照片的三维空间坐标确保了三角网格模型空间位置，所构建的坝区网格模型包含 13.5 万
个三角网格面。网格模型通过贴图生成坝区的实景模型，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了大坝参数化实体模型。以实体模型作为动力响应分析和可
视化的基础模型。在数字孪生空间下，通过将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，实现了模型与数据在三维空间位置的坐标信息配准，以便于传感器信息、
施工信息、坝料物理力学参数和地震传感器信息在局部坐标系下的数据关联。用户能够通过系统提
供的三维沉浸式可视化交互功能对点击的传感器信息进行交互式查看。在系统的数据底板中，集成了
坝体施工质量和物理力学参数信息，实现了感知信息的精准可视化交互式查询，界面如图 9 所示。

— 1462 —