Page 72 - 2025年第56卷第11期
P. 72
图 8 系统主界面
图 9 施工质量和材料参数数据查询
图 9 中，选取了 407 组现场心墙区的试验数据构建数据集，其中 80% 用于 ResNet 模型的训练，
20% 用于模型验证。ResNet 的初始学习率设置为 0.001，使用 Adam 优化器和均方误差（mean-square
error，MSE）损失函数进行 100 轮训练，每 10 轮训练设置学习率衰减 90%。最终 ResNet 模型的 MSE
为 0.147，R 为 0.9839，基于迁移学习方法通过各分区的数据对该预训练模型进行微调，完成大坝
2
所有分区的材料物理力学参数 ResNet 模型构建。在系统的数据交互方面，基于 Unity 实现相机视角
的射线检测和碰撞检测方法 ［47］ ，获取鼠标放置处的三维空间位置，从而基于对应分区的 ResNet 模
型得出该位置处的坝料物理力学参数，用于系统前端界面展示。界面中左侧信息栏和右侧工具栏分
别集成了大坝仓面尺度的施工质量信息汇总和信息查询、报告生成、施工过程回放等功能。同时，
在虚拟实体上通过点击式交互能够对大坝地震动力响应分析所需的物理力学感知信息进行精准查询。
6.2 大坝地震动力响应时空分析 基于上述建立的数据底板结合所提的大坝材料参数分析模型，进行
坝料物理力学参数的非均质性分析，并实现考虑施工质量影响的大坝地震动力响应分析有限元模型构
建，如图 10 所示。图中展示了在有限元模型构建中，通过迁移学习的 ResNet 模型获得的大坝各分区
所有单元的材料密度参数并赋予有限元模型，以及分别通过附加质量法和黏弹性人工边界来模拟地震
作用下的库水压力和地基边界条件。
针对大坝地震响应分析的数据集构建中所需的地震动输入信息，根据坝址场地条件和抗震规范 ［48］
计算反应谱，并通过 PEER（Pacific Earthquake Engineering Research Center）开源地震数据集选取地震记
录。大坝的设计基本烈度为Ⅶ度，抗震设防类别为甲类，坝址场地类别为Ⅲ类场地，将设计反应谱作
— 1463 —
