Page 122 - 2025年第56卷第1期

水 利 学 报

２０２５ 年 １ 月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５６ 卷 第 １ 期

文章编号： ０５５９－９３５０（２０２５）０１－０１１７－１３

基于改进证据理论的土石坝碾压质量综合评价方法

林威伟， 张 君， 王晓玲， 王佳俊， 余红玲

（天津大学 水利工程智能建设与运维全国重点实验室， 天津 ３００３５０）

摘要： 碾压质量的好坏对于大坝沉降和变形是否满足要求有极大的影响。 目前碾压质量评价研究采用随机选择有

限点进行试坑试验获取数据评价全仓面碾压质量， 导致评价参数和预测结果存在随机、 模糊、 灰色和未确知性。
针对上述问题， 本文提出基于 ＡＣＧＷＯ－ＲＦ 算法和证据理论的碾压质量评价及馈控方法。 首先， 采用自适应因子
和混沌理论提高 ＧＷＯ 算法的搜索能力， 并基于 ＡＣＧＷＯ 优化适用于小样本数据集的 ＲＦ 算法的 Ｎｔｒｅｅ 和 Ｍｔｒｙ 参
数， 进而建立基于 ＡＣＧＷＯ－ＲＦ 算法的碾压质量预测模型， 以揭示碾压参数、 料源参数和气象参数等输入影响参
数与碾压质量的复杂非线性映射关系； 进一步， 针对碾压质量评价中存在的随机、 模糊、 灰色和未确知性以及单
一评价指标存在的片面性和准确性欠佳问题， 提出耦合全仓面连续监测指标（ＣＶ 值）和评价模型预测结果（干密
度、 压实度）的碾压质量综合评价方法， 采用模糊隶属度对三者的合格性进行模糊评价， 并采用能够处理多种不
确定性的证据理论进行证据融合； 最后， 提出多级反馈控制机制对现场碾压作业进行反馈控制。 工程实例表明，
与现有评价算法相比， 所提方法具有高精度（Ｒ＝ ０．８３９）、 强泛化能力（Ｒ ＝ ０．７９３）以及强鲁棒性。 基于证据理论的
综合评价方法能够考虑有限随机试坑数据评价碾压质量存在的不确定性， 同时将 ＣＶ 值对噪声敏感性降低 ６９．８％，
且多级反馈控制机制能够有效保障现场碾压质量。
关键词： 土石坝施工； 碾压质量评价； 不确定性； ＡＣＧＷＯ－ＲＦ 算法； 改进证据理论
中 图 分 类 号 ： Ｔ Ｖ ５ １ ２ ｄｏｉ： １０．１３２４３∕ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２４００２２
文献标识码： Ａ

１ 研究背景

碾压质量评价是土石坝坝面碾压智能监控分析环节的关键核心。 现有研究 ［１］ 基于智能算法拟合碾
压参数和料源参数与碾压质量评价指标的非线性关系， 从而实现碾压质量评价。 然而， 目前通过有限
随机试坑试验数据评价全仓面碾压质量的方法， 存在随机、 模糊、 灰色和未确知性， 会导致碾压质量
评价结果可靠性和准确性不足。 因此， 如何处理碾压质量评价中存在的随机、 灰色、 模糊以及未确知
性等问题， 建立碾压质量高精度、 高鲁棒性和高泛化能力的预测算法， 同时实现碾压质量多指标综合
评价与实时有效的多级反馈控制， 是土石坝坝面碾压质量评价研究亟待解决的关键问题。
近十几年来， 国内外在碾压质量分析与评估方面取得了一定的成果。 现有的碾压质量评价方法可
分为两类： 一是通过对碾压机碾轮加速度进行分析计算得到碾压质量连续监测指标， 如 Ｗｈｉｔｅ 等 ［２］ 、
Ｍ．Ａ．Ｍｏｏｎｅｙ 等 ［３］ 、 刘东海等 ［４］ 和 Ｓｈｉ 等 ［５］ 分别提出了 ＣＭＶ（Ｃｏｍｐａｃｔｉｏｎ Ｍｅｔｅｒ Ｖａｌｕｅ）、 总谐波失真率
指标、 碾压监测值（Ｃｏｍｐａｃｔｉｏｎ Ｖａｌｕｅ， ＣＶ）和有效压实功指标， 上述指标从物理层面对加速度计采集
数据进行分析， 具有可解释性， 但是由于坝料空间变异性， 即使做功相同， 也无法达到相同坝料压实
效果， 且分析指标过于单一， 未考虑其他参数影响， 导致评价精度不足。 二是基于钟登华等 ［６－７］ 建立
的碾压监控系统获取碾压参数， 进而构建基于智能算法的数据驱动模型， 旨在克服传统监测指标单

收稿日期： ２０２４－０１－１５； 网络首发日期： ２０２４－１２－０５
网络首发地址： ｈｔｔｐｓ：∕∕ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ∕ｕｒｌｉｄ∕１１．１８８２．ＴＶ．２０２４１２０５．０８４６．００１
基金项目： 国家自然科学基金青年项目（５２３０９１６５）； 国家自然科学基金重大项目课题（５２４９４９７３）
作者简介： 林威伟（１９９４－）， 博士生， 主要从事大坝质量监控研究。 Ｅ－ｍａｉｌ： ｗｅｉｗｅｉｌｉｎ＠ｔｊｕ．ｅｄｕ．ｃｎ
通信作者： 张君（１９９４－）， 助理研究员， 主要从事大坝施工智能仿真研究。 Ｅ－ｍａｉｌ： ｚｈａｎｇｄａｊｕｎ＠ｔｊｕ．ｅｄｕ．ｃｎ
— １ １ ７ —