论文部分内容阅读
摘要：为建立健全土石坝安全隐患挖掘体系并实现隐患应急处理决策的数字信息化，基于B/S架构建立了土石坝安全隐患应急处理决策支持系统。该系统实现于手机软件端和在线网页端，通过对诊断资料进行信息融合分析，智能判断其隐患成因，并依据现有规范及专家咨询意见提出相应的处置对策。该系统已在多个水利工程中得到成功应用，系统功能的完善与推广对我国水库安全科学管理具有一定的推动作用。
关键词：B/S架构；隐患挖掘；应急处置；系统开发；土石坝
中图分类号：TV698.1 文献标志码：A doi：10.3969/j.issn.1000-1379.2018.02.027
根据第一次全国水利普查成果，我国现有98002座水库大坝，总库容9323.12亿m3，其中土石坝是最普遍的一种坝型。与其他坝型相比，土石坝数量占绝对优势，全世界土石坝数量占大坝总数的82.9%，在我国约为93%。我国大部分水库建于20世纪50-70年代，限于当时的技术水平和经济条件，水库工程防洪标准普遍偏低、质量较差，其中大部分是小型坝，小型坝中的90%以上是土石坝，水库往往存在不同程度的设施老化、失修，库区出现了滑坡、涵洞渗漏等严重隐患，工程管理与运行维护经费无正常投入渠道，安全问题突出。我国自1954年有溃坝记录以来，到2014年的61a间共发生溃坝3530座，年均溃坝57.9座，已溃决的绝大多数是土石坝。当前土石坝安全隐患应急处理存在着发现不及时、类别判断不准确、处理不当、管理水平不高等问题，因此建立健全土石坝安全隐患挖掘与应急处理决策体系至关重要，这对于保障人民生命财产安全具有重大意义，也符合我国水利管理信息化的趋势。鉴于此，笔者基于B/S架构设计，面向电脑及手机等使用率较高的通信设备，建立土石坝安全隐患应急处理决策支持系统，以期为水库管理者提供土石坝主要安全隐患的诊断分析、相应的处置措施和类似案例辅助决策。
1 系统架构与模块功能设置
1.1 系统架构
基于B/S架构.结合目前应用广泛且方便快捷的手机软件，建立土石坝安全隐患应急处理决策支持系统，其网络架构见图1。为获得精确的监测数据和判断结果，系统综合运用数据挖掘和数据融合技术，系统推理过程见图2。
整个系统的推理架构分为处理层、诊断层、决策层：①处理层主要整合水库大坝安全信息的基础素材（基本信息、运行状态信息、管理状态信息等），为判断水库大坝运行现状安全与否提供评价依据；②诊断层基于处理层提供的水库大坝安全信息评估水库大坝当前安全现状，即先将监测信息与其他信息得到的结论进行耦合，通过数据推理、融合、挖掘等技术得到水库大坝最终诊断结论，若结论合理则进入下一层，否则向上一级管理人员反馈，以补充更完备的资料信息再进行诊断，或进行专家研讨以找出相关问题；③决策层是基于综合诊断层的诊断结论提出相关处置建议，同时调出相关工程的处置案例，以辅助决策者作出相关决策，最后作出水库大坝的诊断及处置报告。
1.2 功能模块设置
系统由知识库和推理机组成，依据功能划分为管理模块、数据采集模塊、智能诊断模块、处置模块，见图3。
（1）管理模块。管理模块包含人机交互界面与管理系统。人机交互界面主要用于获取用户信息并进行实时反馈，提供现象文本、建议文本、结论文本和对象选择输入等多项内容，满足系统的需要。用户通过界面实时将土石坝相关信息的表现形式转化成内部的指示表现形式，而后将数据导入知识库进行处理，并将输出结果进行逆向处理，经由人机交互界面输出用户所熟悉的知识表达方式[1]。主要功能为：知识的更新、删除和修改，使系统与时俱进；统筹模块中的组织结构、人员信息、责任范围、级别等信息，根据级别确定人员工作任务和系统中数据可查看范围。
（2）数据采集模块。该模块主要用于接收和记忆用户输入的相关信息转化后的知识，主要为规则模块的推理和判断提供相应素材，系统输出结果的精准程度主要取决于数据的完备程度。
（3）智能诊断模块。土石坝工作性态参数变异性大、评判准则繁杂、工作环境多样化对病险坝诊断造成极大干扰，因此精准判断土石坝的工作状态是系统要解决的重点问题[2]。该模块的作用是通过待判断土石坝的输入知识来判断其隐患成因，主要依据各类规范、土石坝坝工理论、安全监控理论等，收集有关专家对大坝安全分析和评价的咨询意见，进行归纳总结，进而形成相应的评判准则。此外，结合物探及人工巡查信息与历年病险处置经验数据挖掘后得到的对应结果，进行针对案例的判别。分析结论作为隐患处置的依据。
（4）处置模块。隐患确定后，将隐患成因分析结论输入处置模块，由处置模块判别后生成相应的应急处置措施。一种病害常常有不同的处置方法，而不同病害的处置方法也并非相互独立，往往一种方法既可以处置渗漏问题，也可以处置裂缝和滑坡问题，选择处置方法时需综合考虑。处置模块根据隐患数据，通过内部的判别准则，选择一种或多种处置方法，并导出相应处置措施，最后将输出结果显示在人机交互界面。模块在生成最终处置决策的同时，根据隐患的类型和对应的关联处置案例剖析，导出与之对应的正反处置案例，最后生成报告并输出，以帮助决策者制定最终的处置措施。
2 基于多源信息融合的数据库结构模型
2.1 多源信息融合数据库关系模型
实现信息融合的关键是创建所依托的信息库，而信息库的构建主要为概念模型、逻辑模型与物理模型的构建[3]以及这些模型依次转换的实现过程构建。信息库开发过程中各模型的关系见图4。
2.2 多源信息融合数据库概念模型
数据库概念模型的构建就是给出一个信息融合的粗略蓝图，包含整个系统中各个模块事务处理数据及相互关系，其设计结构模式采用雪花模式[4]，见图5。图5中央是事实表，是按照主体形式存储的大坝安全信息中的基本信息。事实表的周围是维度表，用于从不同角度在事实表中选择数据行，起到连接事实表和详细类别表的作用。维度表展开，得到次雪花。以监测信息雪花模型为例，见图6。 2.3 多源信息融合数据库逻辑模型
对概念模型的细分即为逻辑模型，在模型中每个主题域及指标实体都有相对应的逻辑模型，每个逻辑模型中包含4个基本结构：一级数据组、二级数据组、联接数据组和基础数据组。以监测系统中一个测点为例，其模型框架见图7。
2.4 多源信息融合数据库物理模型
物理模型的作用是确定逻辑模型中各组数据的存储模式以及各种索引模式，存储采用磁盘阵列（RAID）的方式。物理模型中采用位图连接索引模式，以改善连接维度表与事实表查询的性能。该索引由一系列的位组成，其中每位对应表中一条记录，第一位对应物理位置上的第一条记录，第二位对应第二条物理记录，每条记录按照这一规律一一对应，对索引列进行布尔测试，将该位设置为开关状态。
2.5 多源信息融合数据库模型连接
元数据作为描述数据的数据，赋予数据现实的含义。元数据贯穿数据融合模型，相当于信息库中的第二类信息，即描述信息库的信息。它联系数据仓库与信息融合模型，使信息融合模型依托于数据仓库得以实现。相关信息的数据表构成信息融合的概念模型，而数据表之间相互关联关系和关联字段参考图5、图6，这些雪花模型即是信息融合逻辑模型的缩影，它展示了信息库中的数据关系。
3 系统实现
3.1 系统开发环境
（1）Web服务器：Windows 2008 Sever操作系统，IIS 7.5。
（2）数据库管理平台：Microsoft MYSQL。
（3）编程环境：系统开发工具以JAVA为基础，有关组件、图形等开发利用第三方控件。
（4）前台页面设计软件：Dream Weaver、Photoshop、Flash等。
3.2 系统运行环境
工作站和一般客户端：Windows 2007/XP/VISTA操作系统；PⅢ 500/1G/10G以上，Internet Explorer6.0或更高。
3.3 系统界面
系统分为以数据采集和预警为主的APP（手机软件端），数据导入、查询和处理的Web端（在线网页端）。通过手机端的APP，可以进行水库大坝信息的采集和修改，采集到的信息存储于手机中可通过云端上传或数据传输的形式导入Web端系统，也可以在APP上查询已往生成的报告及相关信息。Web端系统通过登录界面进入，可实现登录、注册以及密码设置等相关业务。登录后进入主页，主页中有工程概况、信息库、智能诊断、问题报告4个子选项。信息库一级菜单有监测项目、巡查项目、物探信息等，其中监测项目菜单下包含新增项目、考证信息、断面信息、布置图、数据查询、数据导入6个子菜单。用户可以通过智能诊断管理界面查询水库大坝存在的主要安全隐患。界面通过异常特征表述、部位隐患来判断主要隐患，若存在图片，则同时配以相关图片作为依据。处置决策为最后的输出成果，为使用者处理隐患提供决策辅助。
4 工程实例
云南某水库是一座以防洪为主结合发电，兼顾供水、灌溉等综合利用的中型水库，水库兴利库容2630万m3，调洪库容495万m3。拦河大坝为均质土坝。坝体内设有浸润线观测管，布置2列、5排共11处观测孔，分别位于大坝迎水面1排2根（UP1、UP5）、后坝坡面4排共9根（UP2、UP6，UP3、UP7，UP4、UP8，UP9、UP10、UP11），测点平面布置见图8。
先将相关资料导入对应页面，本次诊断的资料包括：水库工程特性参数、上下游水位数据、测压管水位数据与测点信息、人工巡查信息、高密度电法探测信息等。最终输出界面见图9。
输出结果显示右坝肩存在绕渗现象、坝后渗水较严重。因此，大坝渗流安全鉴定结果为：①历次地勘资料分析表明，右坝肩存在陡倾节理，前期灌浆受节理陡倾产状影响，效果不佳，造成下游坝坡渗漏；②坝体填筑过程中雨季停工造成临时度汛坝体与后填筑坝体结合面接触不良，也是下游坝坡出现渗漏的重要原因；③观测资料分析表明，下游第4排测压管受右岸绕坝渗漏影响，管内水位比第3排测压管水位受库水位影响更大；④渗流计算表明，坝体填土局部防渗性能差，高水位工况下下游坝坡渗透稳定不满足要求，坝体渗漏量大；⑤高密度电法检测表明，坝体填土较松散，局部存在中等透水层，右坝肩裂隙发育，存在中等透水层。
该系统诊断结果与实际分析结果基本一致，处置建议为：①设置排水明（暗）沟或减压井（沟），并对渗流出口采取反滤保护措施，以解决右坝肩绕渗问题；②采用滤层导渗法抢护措施防止坝后渗水。
5 结语
基于坝工知识、数据挖掘方法、人工智能方法、网络技术、数据库安全技术等，探讨了基于B/S架构下土石坝安全隐患应急处理决策支持系统的实现，完成了系统的推理架构以及功能模块的设置，开发了基于多源信息融合的数据库结构模型，研究了土石坝安全隐患信息库开发中的各模型设置及模型间的连接关系，提出了基于土石坝安全信息的雪花模型。实际应用表明，該系统为水库大坝的安全运行与高效管理提供了决策支持，也顺应了我国水利管理信息化的趋势。
参考文献：
[1]韦斌.基于分布式光纤传感器的黄河大坝可视化安全监测系统[D].济南：山东大学，2005：32-34.
[2]黄红女.土石坝安全测控理论与技术的研究及应用[D].南京：河海大学，2005：77.
[3]程丽.二滩物资信息管理系统的设计与开发[D].武汉：华中科技大学，2007：43-46.
[4]胡吉明，鲜学丰.挖掘关联规则中Apriori算法的研究与改进[J].计算机技术与发展，2006，16（4）：99-101.
关键词：B/S架构；隐患挖掘；应急处置；系统开发；土石坝
中图分类号：TV698.1 文献标志码：A doi：10.3969/j.issn.1000-1379.2018.02.027
根据第一次全国水利普查成果，我国现有98002座水库大坝，总库容9323.12亿m3，其中土石坝是最普遍的一种坝型。与其他坝型相比，土石坝数量占绝对优势，全世界土石坝数量占大坝总数的82.9%，在我国约为93%。我国大部分水库建于20世纪50-70年代，限于当时的技术水平和经济条件，水库工程防洪标准普遍偏低、质量较差，其中大部分是小型坝，小型坝中的90%以上是土石坝，水库往往存在不同程度的设施老化、失修，库区出现了滑坡、涵洞渗漏等严重隐患，工程管理与运行维护经费无正常投入渠道，安全问题突出。我国自1954年有溃坝记录以来，到2014年的61a间共发生溃坝3530座，年均溃坝57.9座，已溃决的绝大多数是土石坝。当前土石坝安全隐患应急处理存在着发现不及时、类别判断不准确、处理不当、管理水平不高等问题，因此建立健全土石坝安全隐患挖掘与应急处理决策体系至关重要，这对于保障人民生命财产安全具有重大意义，也符合我国水利管理信息化的趋势。鉴于此，笔者基于B/S架构设计，面向电脑及手机等使用率较高的通信设备，建立土石坝安全隐患应急处理决策支持系统，以期为水库管理者提供土石坝主要安全隐患的诊断分析、相应的处置措施和类似案例辅助决策。
1 系统架构与模块功能设置
1.1 系统架构
基于B/S架构.结合目前应用广泛且方便快捷的手机软件，建立土石坝安全隐患应急处理决策支持系统，其网络架构见图1。为获得精确的监测数据和判断结果，系统综合运用数据挖掘和数据融合技术，系统推理过程见图2。
整个系统的推理架构分为处理层、诊断层、决策层：①处理层主要整合水库大坝安全信息的基础素材（基本信息、运行状态信息、管理状态信息等），为判断水库大坝运行现状安全与否提供评价依据；②诊断层基于处理层提供的水库大坝安全信息评估水库大坝当前安全现状，即先将监测信息与其他信息得到的结论进行耦合，通过数据推理、融合、挖掘等技术得到水库大坝最终诊断结论，若结论合理则进入下一层，否则向上一级管理人员反馈，以补充更完备的资料信息再进行诊断，或进行专家研讨以找出相关问题；③决策层是基于综合诊断层的诊断结论提出相关处置建议，同时调出相关工程的处置案例，以辅助决策者作出相关决策，最后作出水库大坝的诊断及处置报告。
1.2 功能模块设置
系统由知识库和推理机组成，依据功能划分为管理模块、数据采集模塊、智能诊断模块、处置模块，见图3。
（1）管理模块。管理模块包含人机交互界面与管理系统。人机交互界面主要用于获取用户信息并进行实时反馈，提供现象文本、建议文本、结论文本和对象选择输入等多项内容，满足系统的需要。用户通过界面实时将土石坝相关信息的表现形式转化成内部的指示表现形式，而后将数据导入知识库进行处理，并将输出结果进行逆向处理，经由人机交互界面输出用户所熟悉的知识表达方式[1]。主要功能为：知识的更新、删除和修改，使系统与时俱进；统筹模块中的组织结构、人员信息、责任范围、级别等信息，根据级别确定人员工作任务和系统中数据可查看范围。
（2）数据采集模块。该模块主要用于接收和记忆用户输入的相关信息转化后的知识，主要为规则模块的推理和判断提供相应素材，系统输出结果的精准程度主要取决于数据的完备程度。
（3）智能诊断模块。土石坝工作性态参数变异性大、评判准则繁杂、工作环境多样化对病险坝诊断造成极大干扰，因此精准判断土石坝的工作状态是系统要解决的重点问题[2]。该模块的作用是通过待判断土石坝的输入知识来判断其隐患成因，主要依据各类规范、土石坝坝工理论、安全监控理论等，收集有关专家对大坝安全分析和评价的咨询意见，进行归纳总结，进而形成相应的评判准则。此外，结合物探及人工巡查信息与历年病险处置经验数据挖掘后得到的对应结果，进行针对案例的判别。分析结论作为隐患处置的依据。
（4）处置模块。隐患确定后，将隐患成因分析结论输入处置模块，由处置模块判别后生成相应的应急处置措施。一种病害常常有不同的处置方法，而不同病害的处置方法也并非相互独立，往往一种方法既可以处置渗漏问题，也可以处置裂缝和滑坡问题，选择处置方法时需综合考虑。处置模块根据隐患数据，通过内部的判别准则，选择一种或多种处置方法，并导出相应处置措施，最后将输出结果显示在人机交互界面。模块在生成最终处置决策的同时，根据隐患的类型和对应的关联处置案例剖析，导出与之对应的正反处置案例，最后生成报告并输出，以帮助决策者制定最终的处置措施。
2 基于多源信息融合的数据库结构模型
2.1 多源信息融合数据库关系模型
实现信息融合的关键是创建所依托的信息库，而信息库的构建主要为概念模型、逻辑模型与物理模型的构建[3]以及这些模型依次转换的实现过程构建。信息库开发过程中各模型的关系见图4。
2.2 多源信息融合数据库概念模型
数据库概念模型的构建就是给出一个信息融合的粗略蓝图，包含整个系统中各个模块事务处理数据及相互关系，其设计结构模式采用雪花模式[4]，见图5。图5中央是事实表，是按照主体形式存储的大坝安全信息中的基本信息。事实表的周围是维度表，用于从不同角度在事实表中选择数据行，起到连接事实表和详细类别表的作用。维度表展开，得到次雪花。以监测信息雪花模型为例，见图6。 2.3 多源信息融合数据库逻辑模型
对概念模型的细分即为逻辑模型，在模型中每个主题域及指标实体都有相对应的逻辑模型，每个逻辑模型中包含4个基本结构：一级数据组、二级数据组、联接数据组和基础数据组。以监测系统中一个测点为例，其模型框架见图7。
2.4 多源信息融合数据库物理模型
物理模型的作用是确定逻辑模型中各组数据的存储模式以及各种索引模式，存储采用磁盘阵列（RAID）的方式。物理模型中采用位图连接索引模式，以改善连接维度表与事实表查询的性能。该索引由一系列的位组成，其中每位对应表中一条记录，第一位对应物理位置上的第一条记录，第二位对应第二条物理记录，每条记录按照这一规律一一对应，对索引列进行布尔测试，将该位设置为开关状态。
2.5 多源信息融合数据库模型连接
元数据作为描述数据的数据，赋予数据现实的含义。元数据贯穿数据融合模型，相当于信息库中的第二类信息，即描述信息库的信息。它联系数据仓库与信息融合模型，使信息融合模型依托于数据仓库得以实现。相关信息的数据表构成信息融合的概念模型，而数据表之间相互关联关系和关联字段参考图5、图6，这些雪花模型即是信息融合逻辑模型的缩影，它展示了信息库中的数据关系。
3 系统实现
3.1 系统开发环境
（1）Web服务器：Windows 2008 Sever操作系统，IIS 7.5。
（2）数据库管理平台：Microsoft MYSQL。
（3）编程环境：系统开发工具以JAVA为基础，有关组件、图形等开发利用第三方控件。
（4）前台页面设计软件：Dream Weaver、Photoshop、Flash等。
3.2 系统运行环境
工作站和一般客户端：Windows 2007/XP/VISTA操作系统；PⅢ 500/1G/10G以上，Internet Explorer6.0或更高。
3.3 系统界面
系统分为以数据采集和预警为主的APP（手机软件端），数据导入、查询和处理的Web端（在线网页端）。通过手机端的APP，可以进行水库大坝信息的采集和修改，采集到的信息存储于手机中可通过云端上传或数据传输的形式导入Web端系统，也可以在APP上查询已往生成的报告及相关信息。Web端系统通过登录界面进入，可实现登录、注册以及密码设置等相关业务。登录后进入主页，主页中有工程概况、信息库、智能诊断、问题报告4个子选项。信息库一级菜单有监测项目、巡查项目、物探信息等，其中监测项目菜单下包含新增项目、考证信息、断面信息、布置图、数据查询、数据导入6个子菜单。用户可以通过智能诊断管理界面查询水库大坝存在的主要安全隐患。界面通过异常特征表述、部位隐患来判断主要隐患，若存在图片，则同时配以相关图片作为依据。处置决策为最后的输出成果，为使用者处理隐患提供决策辅助。
4 工程实例
云南某水库是一座以防洪为主结合发电，兼顾供水、灌溉等综合利用的中型水库，水库兴利库容2630万m3，调洪库容495万m3。拦河大坝为均质土坝。坝体内设有浸润线观测管，布置2列、5排共11处观测孔，分别位于大坝迎水面1排2根（UP1、UP5）、后坝坡面4排共9根（UP2、UP6，UP3、UP7，UP4、UP8，UP9、UP10、UP11），测点平面布置见图8。
先将相关资料导入对应页面，本次诊断的资料包括：水库工程特性参数、上下游水位数据、测压管水位数据与测点信息、人工巡查信息、高密度电法探测信息等。最终输出界面见图9。
输出结果显示右坝肩存在绕渗现象、坝后渗水较严重。因此，大坝渗流安全鉴定结果为：①历次地勘资料分析表明，右坝肩存在陡倾节理，前期灌浆受节理陡倾产状影响，效果不佳，造成下游坝坡渗漏；②坝体填筑过程中雨季停工造成临时度汛坝体与后填筑坝体结合面接触不良，也是下游坝坡出现渗漏的重要原因；③观测资料分析表明，下游第4排测压管受右岸绕坝渗漏影响，管内水位比第3排测压管水位受库水位影响更大；④渗流计算表明，坝体填土局部防渗性能差，高水位工况下下游坝坡渗透稳定不满足要求，坝体渗漏量大；⑤高密度电法检测表明，坝体填土较松散，局部存在中等透水层，右坝肩裂隙发育，存在中等透水层。
该系统诊断结果与实际分析结果基本一致，处置建议为：①设置排水明（暗）沟或减压井（沟），并对渗流出口采取反滤保护措施，以解决右坝肩绕渗问题；②采用滤层导渗法抢护措施防止坝后渗水。
5 结语
基于坝工知识、数据挖掘方法、人工智能方法、网络技术、数据库安全技术等，探讨了基于B/S架构下土石坝安全隐患应急处理决策支持系统的实现，完成了系统的推理架构以及功能模块的设置，开发了基于多源信息融合的数据库结构模型，研究了土石坝安全隐患信息库开发中的各模型设置及模型间的连接关系，提出了基于土石坝安全信息的雪花模型。实际应用表明，該系统为水库大坝的安全运行与高效管理提供了决策支持，也顺应了我国水利管理信息化的趋势。
参考文献：
[1]韦斌.基于分布式光纤传感器的黄河大坝可视化安全监测系统[D].济南：山东大学，2005：32-34.
[2]黄红女.土石坝安全测控理论与技术的研究及应用[D].南京：河海大学，2005：77.
[3]程丽.二滩物资信息管理系统的设计与开发[D].武汉：华中科技大学，2007：43-46.
[4]胡吉明，鲜学丰.挖掘关联规则中Apriori算法的研究与改进[J].计算机技术与发展，2006，16（4）：99-101.