伴随高龄大坝工程、特大型大坝工程的日益增多以及极端服役工况的不时出现，对大坝安全监控的自适应性以及智能化提出了越来越高的要求。近年来，水工程安全智能诊断团队苏怀智教授领衔的课题组突破传统逐点建模、单一输出的单测点大坝安全监控模式，围绕大坝安全多源数据挖掘分析、多测点联合预报、多层次融合评估开展了系统研究。
图1 混凝土坝多测点非线性位移预测模型
图2 混凝土坝多源数据驱动监控模型
通过综合利用并改进梅尔倒谱系数、相空间重构、FP-growth算法、集对分析、D-S证据理论等，以物理模型可解释性与泛化性为支撑，考虑大坝结构性态演化间的联动与异同，从大坝变形物理致因与监控数据时频特征维度，研究了大坝测点分区方法，通过改进反分析计算中潜在优解间信息层次与传递模式，发展了一种大坝位移自适应多输出预报方法，在此基础上，提出了动态加权多层融合全坝测点信息的大坝安全实时评估方法，实现了全坝监控数据的综合分析与大量测点间相互作用关系的深度挖掘，在降低大坝待建模型数量、辅助大坝安全智能诊断方面提供了有力技术支持。
上述研究得到了国家自然科学基金重点项目(52239009)、国家自然科学基金面上项目(51979093)、国家重点研发计划课题(2019YFC1510801)等的资助。最新系列研究成果发表在工程领域著名期刊《Computer-Aided Civil and Infrastructure Engineering》(土木、结构与建筑技术、计算机跨学科应用等方向均为中科院一区，最新影响因子：8.5)。水利水电学院苏怀智教授为论文通讯作者，博士研究生姚可夫为第一作者。
论文信息：
[1] Yao K, Wen Z, Shao C, Yang J, Su H*. A multisource data‐driven monitoring model for assessing concrete dam behavior. Computer‐Aided Civil and Infrastructure Engineering, 2024. doi.org/10.1111/mice.13232
[2] Yao K, Wen Z, Yang L, Chen J, Hou H, Su H*. A multipoint prediction model for nonlinear displacement of concrete dam. Computer‐Aided Civil and Infrastructure Engineering, 2022, 37(14): 1932-1952. doi.org/10.1111/mice.12911