Page 122 - 2024年第55卷第3期
P. 122

2
                   2
                                                                        2
                                                                                                2
              型(R = 0.5772)、Walder模型(R = 0.4591)、Hakimazadeh模型(R = 0.1273)及齐子杰模型(R =- 18.90)。
              为进一步提高模型的预测效果,采用 48组堰塞坝案例作为训练集得到的预测模型如下:
                                                  1.717
                                                                  1?3 - 2 .03
                                                                            1?3 1.865
                                                           1.725
                                                                V
                                              H
                                                       W
                                                                           V
                                                         d
                                                                            l
                                                d
                                                                 d
                                   Q = 0 .043 × ( ) ( ) ( ) ( )                   ee                    (3)
                                                                                   α β
                                                     ×
                                                                        ×
                                                              ×
                                     p
                                                       H
                                                                 H
                                                                           H
                                              H
                                                                             d
                                                                  d
                                                         d
                                                r
              式中:α为坝体材料系数,当坝体材料以土质为主时取 0.053,土石混合时取- 2.249 ,以块石为主时取
              - 0.893 ;β 为坝体诱因系数,当坝体因地震而形成时取- 0.493 ,降雨时取 0.450,火山爆发时取 0.734,
              人为原因时取 0.068,渐进式削弱作用时取- 1.728 。通过对训练集自检获得的模型拟合能力如图 2(b)
                                               2
              (c)所示,可见该模型的拟合程度(R = 0.978)比式(2)更高,对离群值或异常值的预测能力更强,对
              高洪峰流量的预测准确度也更高。尽管对低洪峰流量的预测偏差相对较大,但通常较低洪峰流量的致
              灾能力不强,应急处置方案不复杂。因此该洪峰流量预测模型比式(2)更佳。
























                                                  图 2 不同洪峰流量模型的检验

              4.2 溃口参数模型建立 溃口的发展通常伴随洪峰流量的变化,溃口破坏深度、溃口顶宽、溃口底宽
              和溃决时长的影响因素与影响机理与洪峰流量类似                        [37] 。溃口尺寸主要受坝体物质组成及分布控制,小
              颗粒比例高、密实性差的非均质坝更可能发生不均匀沉降,在水流冲刷下易受到侵蚀并产生纵向破
              坏。同时坝体几何尺寸限制了溃口最大深度和宽度                        [38] 。上游库区水文参数直接决定了来水量的多少,
              进而影响库区来水对溃口的冲蚀强度。诱因可反映坝址的气候状态及地质条件,进而影响堰塞坝物质
              结构及溃决过程。因此本文基于坝高因子、宽高比、坝体形状系数、湖面形状系数、坝体材料及诱因
              6个重要影响因子,分别建立破坏深度、溃口顶宽、溃口底宽及溃决时长的预测模型。四个模型的详
              细信息如表 1所示,预测效果如图 3所示。破坏深度、溃口顶宽、溃口底宽及溃决时长的参数模型均
                             2
              取得了较高的 R,分别为 0.912、0.913、0.975和 0.908,各模型对样本的预测均无显著偏差。


                —  3 7  —
                     0
   117   118   119   120   121   122   123   124   125   126   127