一种混凝土坝变形时空联合预警指标拟定方法及系统

技术领域

本发明属于混凝土变形预警技术领域，特别涉及一种混凝土坝变形时空联合预警指标拟定方法及系统。

背景技术

为了准确掌握混凝土坝变形时空演化规律，避免大坝长期运行过程中因为个别测点的失效或故障导致监测数据的缺失，通常会在大坝的某些重要结构部位或断面埋设多个变形测点用于准确获取反映结构性态变化的监测数据。获得混凝土坝对应测点变形监测数据后，可以依据置信区间估计法建立预警评判区间，对单个测点或多个测点进行预警分析。但是，对单测点的预警结果容易受到各种内外在未知因素的干扰，准确性较低，特别是对多个测点进行分别预警时，可能会出现预警结果不一致的现象。因此，本文研究利用多测点变形监测数据进行时空联合预警，建立多维概率空间下的混凝土坝时空变形联合预警指标。

发明内容

针对上述问题，本发明提供一种混凝土坝变形时空联合预警指标拟定方法，所述方法包括：

对混凝土坝变形测点进行聚类分析；

根据不利工况计算获取结构变形响应极值，并对变形极值样本进行扩充；

根据结构变形响应极值获取具有强相关性的多测点变形联合概率分布函数，拟定变形预警指标；

根据失事概率构建混凝土坝变形时空联合预警指标。

优选地，所述对混凝土坝变形测点进行时空聚类分析采用基于自组织映射神经网络的时空聚类分析方法，包括以下步骤：

将所述变形测点变形之间的非线性相关关系转化为几何关系；

根据所述变形测点的相关性对变形测点进行分类形成变形测点集合。

优选地，所述变形响应极值的获取方法包括采用统计预测模型计算获取和采用混合预测模型计算获取。

优选地，采用所述混合预测模型计算获取变形响应极值的步骤包括：以混凝土坝上游库水位和极值温降作为控制条件，建立监测效应量与荷载组合之间的混合预测模型，从而获得混凝土坝响应的变形极值。

优选地，所述监测效应量包括混凝土坝的变形量和应力。

优选地，所述获取具有强相关性的多测点联合概率分布函数包括以下步骤：

确定所述变形测点的边缘分布；

构建所述变形测点的联合分布；

根据所述边缘分布和Copula函数确定变形测点的联合分布函数和联合概率密度函数。

优选地，所述确定变形测点的边缘分布的方法包括假设检验法和核密度估计法。

优选地，所述构建变形测点的联合分布的方法包括采用t-Copula函数构建。

优选地，所述变形预警指标的拟定方法为典型小概率法。

优选地，根据失事概率构建混凝土坝变形时空联合预警指标包括以下步骤：

根据所述变形预警指标获取变形测点的变形发生可能性和安全风险程度；

根据所述变形测点的变形发生可能性和安全风险程度对变形测点进行预警指标分级；

根据多级所述预警指标对混凝土坝进行分级预警。

本发明还提出一种混凝土坝变形时空联合预警指标拟定系统，所述系统包括分析模块、极值获取模块、拟定模块和构建模块；

所述分析模块用于对混凝土坝变形测点进行聚类分析；

所述极值获取模块用于根据不利工况计算获取结构变形响应极值，并对变形极值样本进行扩充；

所述拟定模块用于根据结构变形响应极值获取具有强相关性的多测点变形联合概率分布函数，拟定变形预警指标；

所述构建模块用于根据失事概率构建混凝土坝变形时空联合预警指标。

优选地，所述分析模块用于对混凝土坝变形测点进行聚类分析，包括：分析模块用于基于自组织映射神经网络的时空聚类分析方法对混凝土坝变形测点进行聚类分析。

优选地，所述分析模块用于基于自组织映射神经网络的时空聚类分析方法对混凝土坝变形测点进行聚类分析包括：

分析模块用于将所述变形测点变形之间的非线性相关关系转化为几何关系；

根据所述变形测点的相关性对变形测点进行分类形成变形测点集合。

优选地，所述极值获取模块用于计算获取结构变形响应极值，包括：极值获取模块用于通过统计预测模型计算获取结构变形响应极值或者极值获取模块用于通过混合预测模型计算获取结构变形响应极值。

优选地，所述极值获取模块用于通过混合预测模型计算获取所述结构变形响应极值包括：极值获取模块以混凝土坝上游库水位和极值温降作为控制条件，建立监测效应量与荷载组合之间的混合预测模型，从而获得混凝土坝响应的变形极值；

所述监测效应量包括混凝土坝的变形量和应力。

优选地，所述拟定模块用于获取具有强相关性的多测点联合概率分布函数，包括：

拟定模块用于确定变形测点的边缘分布；

构建变形测点的联合分布；

根据边缘分布和Copula函数确定变形测点的联合分布函数和联合概率密度函数。

优选地，所述构建模块用于构建混凝土坝变形时空联合预警指标，包括：

构建模块用于根据变形预警指标获取变形测点的变形发生可能性和安全风险程度；

根据所述变形测点的变形发生可能性和安全风险程度拟定变形测点的多级预警指标；

根据多级所述预警指标对混凝土坝进行分级预警。

本发明具有以下有益效果：

(1)本发明通过自组织映射神经网络SOM聚类方法对混凝土坝变形测点进行时空聚类，通过混合预测模型计算得到较不利荷载组合下的混凝土坝变形极值样本，提高了预警指标拟定样本的代表性，使其包含较不利荷载组合下的变形极值，借助Copula理论求解出具有强相关性的变形测点群的联合概率分布函数，建立了多维概率空间下的时空变形联合预警指标，可以实现混凝土坝多测点变形时空联合预警；

(2)本发明建立的时空联合变形预警指标与结构分析法拟定的变形预警指标较为接近，可以有效地提高混凝土坝变形预警的精确性，降低变形异常预警的误报率，同时也提高了混凝土坝变形异常预警的鲁棒性和有效性；

(3)本发明不仅联系了混凝土坝运行期遭遇的不利荷载组合下的变形极值，同时也包含了未来可能发生的较不利荷载组合下的变形极值，据此拟定的变形预警指标对大坝运行期性态演化预警、评价具有良好的适应用；

(4)本发明有效地克服了混凝土坝变形单测点预警指标拟定中存在变形极值样本代表性差、易受各种未知因素干扰、总体分布函数适合性差、预警结果不一致等问题，使得预警结果更加科学、合理。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图进行简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明实施例中一种混凝土坝变形时空联合预警指标拟定方法流程图；

图2示出本发明实施例中混凝土拱坝变形测点时空聚类图；

图3示出本发明实施例中混凝土重力坝变形测点时空聚类图；

图4示出本发明实施例中混凝土坝变形联合概率密度示意图；

图5示出本发明实施例中坝顶引张线水平位移测点布置图；

图6示出本发明实施例中坝顶引张线EX1～EX12测点水平位移监测数据过程线；

图7示出本发明实施例中坝顶水平位移测点时空聚类图；

图8示出本发明实施例中混凝土坝全坝段有限元模型；

图9示出本发明实施例中混凝土坝在校核水位工况下的水压分量计算结果；

图10示出本发明实施例中EX3测点变形经验分布函数和核密度估计的累积概率密度曲线；

图11示出本发明实施例中EX4测点变形经验分布函数和核密度估计的累积概率密度曲线；

图12示出本发明实施例中EX3和EX4测点变形的二元频率分布直方图；

图13示出本发明实施例中EX3、EX4测点变形极值累积分布的联合概率密度图；

图14示出本发明实施例中EX3、EX4测点变形极值的联合概率分布图；

图15示出本发明实施例中EX3、EX4测点变形极值的联合概率分布等值线图；

图16示出本发明实施例中EX3、EX4测点向下游水平位移极值样本散点图；

图17示出本发明实施例中一种混凝土坝变形时空联合预警指标拟定系统图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了拟定基于SOM-Copula的混凝土坝变形时空联合预警指标，本文首先通过基于自组织映射神经网络SOM的时空聚类算法对混凝土坝变形测点进行聚类分析，然后采用统计预测模型或混合预测模型计算多组较不利荷载工况下的结构变形响应极值，并借此对现有变形极值样本进行扩充，提高样本空间的代表性，最后借助多元Copula理论求取具有强相关性的多测点联合概率分布函数，采用典型小概率法拟定变形预警指标，最终构建了基于SOM-Copula的混凝土坝变形时空联合预警指标。

如图1所示，本发明提出一种混凝土坝变形时空联合预警指标拟定方法，所述方法包括：

(1)对混凝土坝变形测点进行聚类分析

为了充分联合多测点变形监测数据，拟定多维概率空间下的混凝土坝时空变形联合预警指标，首先需要对混凝土坝变形测点进行时空聚类分析。本文采用基于自组织映射神经网络SOM的时空聚类分析方法对混凝土坝变形测点进行时空聚类分析，将各测点变形之间复杂的非线性相关关系转化为简单地几何关系，将具有强相关性的变形测点划分为同一类。图2为某混凝土拱坝变形测点时空聚类图，图中的每一类中的测点变形具有较高的相关性；图3为基于SOM的某混凝土重力坝变形测点时空聚类图，对于混凝土重力坝，因其横缝的设置，致使各坝段变形相对独立，大部分变形测点与按照坝段聚类的结果一致，但也有部分测点不满足这一规律。通过基于SOM的混凝土重力坝变形测点时空聚类方法，可以将混凝土坝变形测点分为若干类，其中包含p个测点的同一类变形测点集可以表示为：

Y＝{Y

其中，Y代表包含p个测点的同一类变形测点集，Y

(2)根据不利工况计算获取结构变形响应极值，并对变形极值样本进行扩充

在混凝土坝运行期变形资料中，根据不同坝型和实际运行情况，选择包含不利荷载组合(一般选择变形年最大值发生时刻的荷载组合)时的监测效应量或其数学模型中的各个荷载分量作为典型监测效应量。混凝土坝第i个变形测点包含不利荷载组合变形极值的样本空间为：

其中：Y

混凝土坝运行期一般未经历较不利荷载组合，实测变形监测资料也就不包含较不利荷载组合发生时的变形监测相应值，借此建立的变形预警指标也只是现行荷载条件下的极值，不能准确反映混凝土坝的极端运行性态。只有长期运行监测资料中真正地遭遇了较不利荷载组合时，才可借此准确估算出各测点变形的极值，为预警指标的拟定提供具有代表性的数据样本。基于此，本文在现有长期变形监测资料基础上，以混凝土坝上游库水位和极值温降作为控制条件，通过结构计算建立变形、应力等监测效应量与荷载组合之间的混合预测模型，从而获得混凝土坝在较不利荷载组合时的变形极值，以实现对包含不利荷载组合实测变形极值样本空间的扩充，提高样本空间的代表性，使得拟定的预警指标更加科学、合理。

根据规范及混凝土坝运行相关要求，大坝的上游水位一般被严格控制，不允许超过校核洪水位，所以选取历史最高库水位和校核洪水位之间的若干水位为控制条件，分别较计算较高库水位与极值温降作为较不利荷载组合工况下的大坝变形极值样本。假设选取介于历史最高库水位和校核洪水位之间的l个水位控制条件，将控制条件下混凝土坝变形极值加入到包含不利荷载组合的实测变形样本空间中，则第i个测点具有代表性的较不利荷载组合下的变形极值样本空间为：

其中：

(3)根据结构变形响应极值获取具有强相关性的多测点变形联合概率分布函数，拟定变形预警指标

对于包含p个测点的同一类变形测点集合Y＝{Y

其中：C

Y

其中，H(y

对于含有多测点的同类高相关性变形测点集合，借助多元Copula函数推导其多元联合分布函数和联合概率密度函数的过程和二元联合分布函数和联合概率密度函数的推到过程类似，在此不再赘述。

(4)根据失事概率构建混凝土坝变形时空联合预警指标

混凝土坝变形性态受材料参数、外界荷载等多种随机性因素的影响，根据混凝土坝变形实测资料拟定的变形预警指标也具有一定的随机性。Y

采用典型小概率法拟定两个测点的变形预警指标时，其正常域D

根据变形发生可能性大小和安全风险程度，依据显著性水平将混凝土坝变形预警指标分为一级预警指标和二级预警指标，划分的混凝土坝变形分别为：正常样本、预警样本和异常样本。图4为混凝土坝变形联合概率密度示意图，假设某个测点变形值的值域为D，当显著性水平为α＝5％，置信水平为95.00％时，Y

表1混凝土坝变形时空联合多级预警指标

基于混凝土坝运行期实测变形数据，构建反映其整体变化特性的多维度概率密度函数，拟定混凝土坝变形时空联合预警指标。本文以棉花滩水电站混凝土坝引张线监测系统获取的变形监测资料为基础进行分析，构建典型坝段的变形时空联合预警指标，并将分析结果和传统的预警指标拟定方法结果进行对比，验证本文提出的基于SOM-Copula的混凝土坝变形时空联合预警指标拟定方法的实际可行性和可靠性。

1.工程概况

棉花滩水电站位于福建省永定县境内，坝址在汀江干流棉花滩峡谷河段中部福至亭处，距永定县城约21km。本工程以发电为主，兼有防洪、航运、水产养殖等综合效益。棉花滩水电站枢纽工程属I等枢纽工程，主要由碾压混凝土重力坝、湖洋里副坝、坝顶开敞式溢洪道、泄水底孔、左岸输水建筑物及地下发电厂房等建筑物组成。碾压混凝土重力坝最大坝高113.00m，坝顶高程为179.00m。水库正常蓄水位173.00m，调节库容11.22亿m

为确保水电站大坝及地下厂房的安全运行，枢纽工程设置了变形、渗流、环境量等较为全面的监测项目，其中变形监测包括正垂线、倒垂线、引张线等。坝顶水平位移采用引张线法监测，图5为坝顶引张线水平位移测点布置图，图6为坝顶引张线EX1～EX12测点2003年1月1日～2008年12月31日水平位移监测数据过程线图。

2.混凝土坝变形测点时空聚类

采用SOM时空聚类分析方法对棉花滩混凝土重力坝变形测点进行聚类分析，部分测点与按照坝段对变形测点进行聚类的结果一致。图7为棉花滩混凝土重力坝水平位移测点时空聚类图。

本文以2#典型坝段和5#典型坝段为例，依据2#典型坝段对应的坝顶引张线EX3、EX4测点和5#典型坝段对应的坝顶引张线EX8、EX9测点水平位移监测数据构建对应坝段的时空联合预警指标。

3.混凝土坝变形极值样本扩充

(1)不利荷载组合下的样本空间

对于混凝土重力坝，当上游库水位较高时，坝体和坝基一般会处于强度和稳定的不利状态，故选择各测点变形的历史年最大值和较不利荷载组合控制条件下的变形极值共同构成具有代表性的变形极值样本空间。根据棉花滩水电站混凝土重力坝的实际运行情况，上游水位呈现出明显的年周期性，坝顶引张线水平位移主要受水位影响，因此，坝顶引张线各测点水平位移年最大值构成不利荷载组合下的变形极值样本空间。表2为典型坝段坝顶引张线测点水平位移年最大值统计表。

表2典型坝段坝顶引张线测点水平位移年最大值统计表

从棉花滩水电站混凝土坝重力坝实测变形监测资料分析可知，上游库水位一般自4、5月开始直至第二年初维持在较高水平，汛期洪峰通常出现在6、7月，此时气温也较高，但水压和温度对坝体变形的影响恰好相反，高水位和高温度的影响效果相互叠加，可能会造成汛期高水位的坝顶位移值小于其他时段，从而使建立的样本空间是不同荷载组合下的变形样本，不包含不利荷载组合下的变形极值。同时，棉花滩混凝土坝自运行以来，尚未出现设计洪水位、校核洪水位等高水位运行工况，所以现有监测资料中的变形极值只是现行荷载条件下的变形极值，不包含设计洪水位、校核洪水位等较不利荷载组合控制条件下的变形极值。因此，需要对现有变形极值样本进行扩充以提高其代表性。

(2)较不利荷载组合下的变形极值

为了提高棉花滩混凝土坝坝顶引张线水平位移样本空间的代表性，采用结构计算获取较不利荷载组合下的水压分量极值，通过统计预测模型结果计算出温度分量极值和时效分量极值，按照最不利荷载原则，通过累加获取较不利荷载组合工况下的变形极值。

1)有限元模型

在有限元模型建模过程中，基岩及岸坡的建模范围：铅直方向选取坝体高程最低点以下68.00m，平行于坝轴线方向分别选取左右岸坝头各向两岸延伸50.00m，平行于河床方向选取上游坝踵以上150.00m，下游坝趾以下75.00m，在以上范围内建立外边界为矩形平面的基岩及岸坡有限元模型。

棉花滩大坝坝体共分为6个坝段，自左向右依次命名为1#～6#坝段，其中1#、2#、5#、6#坝段为挡水坝段，3#、4#坝段为溢流坝段。棉花滩大坝全坝段有限元模型主要由八节点六面体等参单元和少量五面体和四面体单元构成，共包含单元140554个，节点152790个，大坝全坝段有限元模型见图8。

2)计算参数

为了获取棉花滩混凝土重力坝较不利荷载组合下的变形极值，选取历史最高库水位(2001年9月11日，173.00m)和校核洪水位(177.80m)之间的9个水位(173.50m、174.00m、174.50m、175.00m、175.50m、176.00m、176.50m、177.00m和177.50m)为控制条件，采用混合预测模型分别计算各较不利荷载组合下的变形极值。同时，为了验证基于SOM-Copula的混凝土坝时空联合预警指标的合理性，将其拟定结果和采用典型小概率法、结构分析法拟定的预警指标进行对比分析。结构计算过程中涉及的材料参数及其取值见表3，其中混凝土密度及坝基面抗滑稳定参数取设计值，坝体和坝基弹性模量取由常规反演方法得到的反演值，坝基面抗滑稳定临界状态安全系数取K

表3坝体及坝基材料计算参数

3)典型坝段有限元计算成果

采用棉花滩水电站混凝土坝全坝段有限元模型计算坝体变形，由于得到的变形是相对于初始零位移状态的计算值，为了得到其相对于初始水位水压分量的相对变形值，还需考虑基准日水压分量。图9为棉花滩水电站混凝土坝在校核水位工况下的水压分量计算结果，表4列出了部分水位控制条件下2#、5#典型坝段引张线测点水平位移相对水压分量。根据建立的坝顶引张线水平位移混合预测模型分离出温度分量和时效分量，考虑基准日水平位移温度分量影响，确定2#典型坝段EX3和EX4测点在极值温降控制条件下的相对温度分量极值分别为0.12mm和0.10mm，5#典型坝段EX8和EX9测点在极值温降控制条件下的相对温度分量极值分别为0.22mm和0.25mm；2#、5#典型坝段EX3、EX4、EX8和EX9测点水平位移受时效影响较小，各测点时效分量已经趋于稳定，因此选取监测初始日至监测资料序列最后一天的累计时效分量为时效分量极值，计算得到2#典型坝段EX3和EX4测点水平位移时效分量极值分别为-1.26mm和-1.27mm；5#典型坝段EX8和EX9测点水平位移时效分量极值分别为0.35mm和-0.34mm。按照最不利荷载原则，通过对上述2#、5#典型坝段EX3、EX4、EX8和EX9测点相对水压分量、温度分量极值、时效分量极值和变形监测基准值(2003年1月1日)进行累加，可以获得较不利荷载控制条件下各测点的变形极值，详见表5所示。

表4部分水位控制条件下2#、5#典型坝段引张线测点相对水压分量计算表

表5部分控制条件下2#、5#典型坝段引张线测点处水平位移各分量及变形极值表

4)变形极值样本

将不利荷载组合下的水平位移样本和较不利荷载组合下的水平位移极值样本进行合并，共同构成坝顶引张线测点水平位移预警指标拟定的样本空间。棉花滩混凝土重力坝典型坝段坝顶引张线测点水平位移预警指标拟定的样本空间如表6所示。

表6典型坝段坝顶引张线测点水平位移预警指标拟定的样本空间

4.混凝土坝多测点变形联合分布概率密度函数

包含较不利荷载组合下的混凝土坝变形效应量极值样本分布类型不一，一般可以采用假设检验法或核密度估计法对其分布类型进行拟合。由于包含较不利荷载组合下坝顶引张线EX3、EX4、EX8和EX9测点水平位移极值的样本数据分布类型未知，因此，本文采用核密度估计法对各测点变形极值样本的分布类型进行拟合。图10为EX3测点变形经验分布函数和核密度估计的累积概率密度曲线，图11为EX4测点变形经验分布函数和核密度估计的累积概率密度曲线。

分析图10和图11可知：采用核密度估计得到的EX3和EX4测点变形概率累积曲线和经验分布概率累积曲线拟合较好，所以可以采用核密度估计得到的累积概率密度曲线表征整体样本的分布。

Copula函数是各随机变量边缘分布与各变量联合分布的连接函数，Copula函数的选取主要依据各随机变量的分布类型，因此，可以通过分析随机变量的联合分布特征确定最合适的Copula函数。图12为EX3和EX4测点变形的二元频率分布直方图。

采用混凝土坝变形监测数据拟定时空联合预警指标时，变形效应量分布的尾部特征极为重要，因此，本文选择具有更厚尾部，更能反映变量之间的尾部相关性特征的正态Copula函数，分别构建2#、5#典型坝段引张线测点水平位移的联合分布函数。依据棉花滩混凝土坝坝顶引张线EX3和EX4测点变形极值样本空间，通过参数估计求出的二元正态Copula函数中的线性相关参数ρ的估计值为：

其中，

将

得到的二元正态Copula函数刻画了EX3测点变形极值分布、EX4测点变形极值分布、EX3和EX4测点变形极值联合分布之间的关系，为了直观地反映三者之间的相关关系，图13绘制了EX3、EX4测点变形极值累积分布的联合概率密度图，图14绘制了EX3、EX4测点变形极值的联合概率分布图，图15绘制了EX3、EX4测点变形极值的联合概率分布等值线图。

图13、图14和图15是采用Copula函数构建棉花滩混凝土坝坝顶引张线EX3和EX4测点变形极值的联合分布。分析图13、图14和图15可知：EX3与EX4测点变形具有较强的相关性，尤其是两测点尾部变形表现出明显的整体同步性，在外界环境作用下同时基本同时产生向下游变形的年最大值，EX3、EX4测点实测最大变形值分别为2.83mm和3.18mm，这也说明坝顶变形具有较大的安全裕度。

5.混凝土坝多测点变形时空联合预警指标拟定

通过二元Copula理论计算得到EX3、EX4测点变形极值的联合分布函数后，依据小概率理论，分别取显著性水平为5％和1％(对应的保证率为95.00％、99.00％)时分布函数对应的变形临界值作为一级预警指标和二级预警指标。由于二元分布函数的值域为面域，所以本文构建的混凝土坝坝顶变形时空联合预警指标为面域的临界值，一级预警指标定义为保证率为95.00％～99.00％时变形值域(即D

为了验证基于SOM-Copula的混凝土坝变形时空联合预警指标的有效性，将依据计算得到的时空联合多级预警指标对棉花滩混凝土坝坝顶引张线实测水平位移进行预警分析，并将其预警结果和基于典型小概率法建立的单测点预警指标预警结果进行对比分析。图16中的绿色样本数据为棉花滩混凝土坝坝顶引张线向下游水平位移极值样本散点图(图中预警样本、异常样本和噪声样本仅用于示意，非真实水平位移极值样本)，表7为不同显著性水平下的预警指标，表8为两种方法预警结果对比表。

表7不同显著性水平下的预警指标

表8预警结果对比表

分析图16、表7和表8可知：1)当EX3测点变形值因存在较大离群误差超过典型小概率法拟定的预警指标但EX4测点变形值未超过时(或者相反)，典型小概率法会出现误报现象，但时空联合预警指标拟定法会联合多测点数据分布类型及其相关性，不会对此类测点进行预警，这也证明基于SOM-Copula的混凝土坝变形时空联合预警指标具有更强的鲁棒性和更高的准确率；2)对于典型小概率法拟定的预警指标，在显著性水平α＝5％时，预警结果中包含了正常运行工况下的正常变形值，导致其异常比较大，对监测数据中正常数据样本存在较高的误报率；在显著性水平α＝1％时，典型小概率法虽然不会对现有实测变形监测数据产生误报预警，但其会对设计工况下的正常变形值产生误报预警，主要是因为典型小概率法拟定的变形预警指标不包含较不利荷载工况下的变形极值样本，使得拟定的预警指标偏小，极大地降低了预警结果的准确性和可靠性；3)基于SOM-Copula的混凝土坝变形时空联合预警指标明显大于典型小概率法拟定的变形预警指标，且与结构分析法拟定的变形预警指标较为接近，证明了基于SOM-Copula的混凝土坝变形时空联合预警指标拟定方法的合理性；4)依据实测变形监测数据，棉花滩混凝土坝坝顶引张线实测向下游的水平位移基本保持在0～3mm之间，全部处于95.00％的置信区间内，依据拟定的预警指标判定的结果与大坝真实性态一致。

如图17所示，本发明还提出一种混凝土坝变形时空联合预警指标拟定系统，所述系统包括分析模块、极值获取模块、拟定模块和构建模块；

所述分析模块用于对混凝土坝变形测点进行聚类分析；所述分析模块用于对混凝土坝变形测点进行聚类分析，包括：分析模块用于基于SOM的时空聚类分析方法对混凝土坝变形测点进行聚类分析；所述分析模块用于基于SOM的时空聚类分析方法对混凝土坝变形测点进行聚类分析包括：分析模块用于将所述变形测点变形之间的非线性相关关系转化为几何关系；根据所述变形测点的相关性对变形测点进行分类形成变形测点集合；

所述极值获取模块用于根据不利工况计算获取结构变形响应极值，并对变形极值样本进行扩充；所述极值获取模块用于计算获取结构变形响应极值，包括：极值获取模块用于通过统计预测模型计算获取结构变形响应极值或者极值获取模块用于通过混合预测模型计算获取结构变形响应极值；所述极值获取模块用于通过混合预测模型计算获取所述结构变形响应极值包括：极值获取模块以混凝土坝上游库水位和极值温降作为控制条件，建立监测效应量与荷载组合之间的混合预测模型，从而获得混凝土坝响应的变形极值；所述监测效应量包括混凝土坝的变形量和应力；

所述拟定模块用于根据结构变形响应极值获取具有强相关性的多测点变形联合概率分布函数，拟定变形预警指标；所述拟定模块用于获取具有强相关性的多测点联合概率分布函数，包括：拟定模块用于确定变形测点的边缘分布；构建变形测点的联合分布；根据边缘分布和Copula函数确定变形测点的联合分布函数和联合概率密度函数；

所述构建模块用于根据失事概率构建混凝土坝变形时空联合预警指标；所述构建模块用于构建混凝土坝变形时空联合预警指标，包括：构建模块用于根据变形预警指标获取变形测点的变形发生可能性和安全风险程度；根据所述变形测点的变形发生可能性和安全风险程度拟定变形测点的多级预警指标；根据多级所述预警指标对混凝土坝进行分级预警。

综上所述，基于SOM-Copula的混凝土坝变形时空联合预警指标拟定方法可以有效地联系具有强相关性的测点变形分布规律，充分考虑了各种较不利荷载下的变形响应，建立了多维概率空间下的时空变形联合预警指标。基于SOM-Copula的混凝土坝变形时空联合预警指标有效地克服了混凝土坝变形单测点预警指标拟定中存在变形极值样本代表性差、易受各种因素干扰、总体分布函数适合性差、预警结果不一致等问题，不仅降低了混凝土坝变形异常预警的误报率，同时也提高了混凝土坝变形异常预警的有效性。

本领域的普通技术人员应当理解：尽管参考前述实施例对本发明进行的详细说明，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。