任　杰,蘇懷智,陳　蘭,許焱鑫

(1.河海大學(xué)水文水資源與水利工程科學(xué)國家重點實驗室,江蘇南京210098；2.河海大學(xué)水利水電學(xué)院,江蘇南京210098；3.長江水利委員會長江科學(xué)院,湖北武漢430010)

?

基于POT模型的大壩位移預(yù)警指標(biāo)實時估計

任杰1,2,蘇懷智1,2,陳蘭3,許焱鑫1,2

(1.河海大學(xué)水文水資源與水利工程科學(xué)國家重點實驗室,江蘇南京210098；2.河海大學(xué)水利水電學(xué)院,江蘇南京210098；3.長江水利委員會長江科學(xué)院,湖北武漢430010)

摘要：大壩服役過程中,對其預(yù)警指標(biāo)進(jìn)行實時估計具有重要意義?；跇O值理論,針對大壩位移歷史監(jiān)測序列,擬定合理的閾值,利用廣義帕累托分布(GPD)對超閾值序列進(jìn)行刻畫,結(jié)合大壩失事概率,建立位移預(yù)警指標(biāo)估計超閾值(POT)模型。通過實時更新建模序列,完成對位移預(yù)警指標(biāo)的實時估計。針對某混凝土重力拱壩29號壩段某測點在典型時間段2007年～2009年、2007年～2010年和2007年～2011年的位移監(jiān)測數(shù)據(jù),利用POT和傳統(tǒng)區(qū)間極值(BMM)模型分別完成對2010年、2011年和2012年位移預(yù)警指標(biāo)的估計,驗證了POT模型比傳統(tǒng)區(qū)間極值(BMM)模型更加安全合理。

關(guān)鍵詞：大壩；位移預(yù)警指標(biāo)；極值理論；POT模型

0引言

根據(jù)大壩工作性態(tài)及原始監(jiān)測資料,結(jié)合先進(jìn)的數(shù)學(xué)、力學(xué)方法建立各種效應(yīng)量的安全預(yù)警指標(biāo)估計模型,是實現(xiàn)大壩安全預(yù)警的重要手段。大壩安全預(yù)警的機(jī)理是根據(jù)大壩對抵御已經(jīng)歷荷載能力的分析,評估和預(yù)測抵御可能發(fā)生荷載的能力,確定出在各種荷載組合下大壩服役性態(tài)效應(yīng)量的警戒值。實現(xiàn)大壩效應(yīng)量預(yù)警指標(biāo)估計是大壩安全預(yù)警的關(guān)鍵。預(yù)警指標(biāo)估計重點考慮的是極端事件,借助極值理論可實現(xiàn)對其的估計和研究[1]。各種效應(yīng)量中,大壩位移量能很好的反映大壩的運行狀態(tài),同時精度高,易于測量,故常根據(jù)位移歷史監(jiān)測數(shù)據(jù)建立位移預(yù)警指標(biāo)估計模型。

基于極值理論實現(xiàn)對預(yù)警指標(biāo)估計,一般通過建立極值BMM(BlockMaximaMethod)模型或POT(PeaksoverThreshold)模型。BMM模型是按時間或周期將獨立隨機(jī)的效應(yīng)量序列分隔為若干互不重疊的區(qū)間,選取區(qū)間極大值構(gòu)成子樣本序列并進(jìn)行廣義極值分布(Generalizedextremevaluedistribution,GEV)擬合[2],這是傳統(tǒng)的預(yù)警指標(biāo)估計方法。若資料年限較短,子樣本容量小,會產(chǎn)生較大的抽樣誤差,加之區(qū)間內(nèi)僅極值參與統(tǒng)計計算,使得該區(qū)間內(nèi)若干有價值測值被摒棄,如某一區(qū)間次極大值雖然大于另一區(qū)間的極大值卻被漏選,這顯然不合理,而且必將影響效應(yīng)量預(yù)警指標(biāo)的估計。POT模型則是依據(jù)一定的規(guī)則擬定合理的閾值,以超閾值序列作為子樣本序列,利用廣義帕累托分布(GeneralizedParetoDistribution,GPD)擬合子樣本序列,得到其分布函數(shù),根據(jù)統(tǒng)計學(xué)條件概率公式繼而得到母樣本的分布函數(shù),結(jié)合大壩的失事概率可完成對預(yù)警指標(biāo)的估計。POT模型既擴(kuò)大了樣本的容量,亦提高了樣本的質(zhì)量,同時漸近地刻畫了分布的尾部特征。Balkema和deHaan(1974)以及Pickands(1975)指出,來自同一總體的簡單隨機(jī)樣本,若閾值擬定充分大,超閾值的隨機(jī)變量的極限分布即為GPD分布[3,4]。大量學(xué)者研究表明,基于POT模型的極值理論方法比其他方法能夠更準(zhǔn)確地描述序列分布的尾部特征,尤其在采樣數(shù)據(jù)較少的情況下,是一種較為準(zhǔn)確的分位數(shù)分析和預(yù)測手段[1,2,5,6]。本文針對某混凝土重力拱壩29號壩段測點在2007年～2009年、2007年～2010年和2007年～2011年位移監(jiān)測序列,建立了大壩位移預(yù)警指標(biāo)實時估計POT模型,完成了對2010年、2011年和2012年位移預(yù)警指標(biāo)的估計,結(jié)合位移年極值信息,與傳統(tǒng)BMM模型位移預(yù)警指標(biāo)估計對比,對POT模型的合理性和安全性進(jìn)行了驗證。

1大壩位移預(yù)警指標(biāo)估計POT模型

1.1GPD分布與POT模型

POT模型是基于GPD分布對超閾值序列進(jìn)行建模,來漸進(jìn)刻畫分布的尾部特征。GPD分布被定義為

(1)

式中,ε為形狀參數(shù)；u為位置參數(shù)；σ為尺度參數(shù)。當(dāng)ε≥0時,x≥0；當(dāng)ε<0時,u

1.2超閾值分布函數(shù)(CEDF)與總體分布函數(shù)

(2)

式中,0≤y≤xF-u；xF≤∞為F的右邊界。

由PBDH定理[3,4]可知：隨著閾值u的不斷增大,即u取得充分大時,超閾值量序列的分布函數(shù)近似于GPD分布,Fu(y)≈Gε,u,σ(x)=Gε,σ(y),根據(jù)概率分布轉(zhuǎn)換公式,F(x)=F(u)+(1+F(u))Fu(y),并利用經(jīng)驗分布函數(shù)代替F(u),即F(u)=1-nu/n,則此時F(x)得以確定：

(3)

1.3位移歷史監(jiān)測序列厚尾檢驗

針對位移歷史監(jiān)測序列{xi,i=1,…,n},利用Q-Q圖(quantile-quantileplot)法對其進(jìn)行厚尾檢驗。正態(tài)Q-Q圖是散點分布圖,以標(biāo)準(zhǔn)正態(tài)分布的分位數(shù)為橫坐標(biāo),序列值為縱坐標(biāo)。若散點近似的分布于一條直線附近,則位移歷史監(jiān)測序列可能近似正態(tài)分布；若Q-Q圖的中部為直線,上端向右偏離該直線,向下傾斜,則位移歷史監(jiān)測序列分布的上尾可能具有厚尾性；若Q-Q圖的中部為直線,下端向左偏離該直線,向上翹起,則位移歷史監(jiān)測序列分布的下尾可能具有厚尾性[7]。

1.4閾值u擬定的Hill圖法

利用GPD分布擬合超閾值序列,需解決閾值u擬定這個關(guān)鍵問題,同時閾值u也是準(zhǔn)確估計參數(shù)ε和σ的前提。若閾值u的擬定過高,超閾值序列樣本容量少,使得參數(shù)估計的方差過大；若閾值u的擬定過低,則有可能不滿足PBDH定理成立的條件,使得超閾值序列樣本分布與GPD分布產(chǎn)生較大差異。閾值擬定方法分作圖法與數(shù)值計算法兩類[5,8,9]。本文借助Hill圖法進(jìn)行閾值u的擬定。

大壩位移歷史監(jiān)測序列{xi,i=1,…,n},其倒序統(tǒng)計量為xn,n≥…≥xi,n≥…≥x1,n,定義Hk,n為其極值指數(shù)的Hill估計,則

(4)

1.5GPD分布參數(shù)估計

GPD分布參數(shù)估計的方法有：極大似然估計法,概率權(quán)矩法以及L矩估計法等[11-13]。本文采用最常用的極大似然估計法對GPD分布的參數(shù)進(jìn)行估計。

似然函數(shù)：

(5)

式中,gε,σ(y)為廣義Pareto分布密度函數(shù)。

至此,根據(jù)上文公式及計算所得參數(shù)便可確定式(3)的分布函數(shù)。據(jù)分布函數(shù)反函數(shù),結(jié)合大壩失事概率,可以求得大壩位移預(yù)警指標(biāo)估計值。

大壩位移預(yù)警指標(biāo)實時估計基本流程見圖1。

圖2　監(jiān)測數(shù)據(jù)厚尾檢驗

圖3　監(jiān)測數(shù)據(jù)Hill曲線

圖1　建模流程

2實例分析

某水利樞紐位于安徽省,地處長江流域。樞紐包括混凝土重力拱壩、溢洪道、泄洪中孔、泄水底孔、發(fā)電廠房和筏道。壩頂高程為126.3m,最大壩高為76.3m,設(shè)計水位122.2m,總庫容為28.25億m3,本文依據(jù)該混凝土重力拱壩右岸壩肩29號壩段2007年～2012年徑向監(jiān)測資料,分別選取典型時間段2007年～2009年、2007年～2010年和2007年～2011年位移監(jiān)測序列,建立POT和BMM模型,假定失事概率為1%并結(jié)合年極值信息,完成2010年、2011年和2012年位移預(yù)警指標(biāo)估計與比較工作。本文取該測點向下游方向位移為研究對象。

2.1監(jiān)測數(shù)據(jù)厚尾檢驗

利用Q-Q圖法對位移歷史監(jiān)測數(shù)據(jù)進(jìn)行厚尾檢驗,檢驗結(jié)果見圖2。由圖2可知,位移監(jiān)測數(shù)據(jù)中間部分近似直線,呈微凹型,下端向左翹起,上端向下彎曲,具有厚尾分布,滿足極值POT模型成立的前提條件。

2.2Hill圖法擬定閾值u

借助Hill圖法進(jìn)行閾值u的擬定,分別繪出2007年～2009年、2007年～2010年和2007年～2011年位移監(jiān)測數(shù)據(jù)Hill曲線,確定相應(yīng)年份閾值,結(jié)果見圖3。

根據(jù)Hill圖中數(shù)據(jù)變化急緩情況,并結(jié)合已有文獻(xiàn)[9]的研究,分別定出2007年～2009年、2007年～2010年和2007年～2011年的超閾值個數(shù)nu,并由nu值找尋順序統(tǒng)計量中相應(yīng)的位移值,即閾值u。將POT模型計算結(jié)果列于表1。

表1POT模型參數(shù)計算結(jié)果

年份nnuuεσ2007年～2009年473400.99-0.8190.2312007年～2010年559371.01-0.7710.2032007年～2011年656430.98-0.7870.23

2.3模型對比分析

假定大壩失事概率1%以及表1中參數(shù)計算F(x)結(jié)果,由式(6)計算反函數(shù)即可得到2010年、2011年和2012年位移預(yù)警指標(biāo)估計值,并與傳統(tǒng)BMM模型計算結(jié)果進(jìn)行對比。為評判模型估計合理性,引入實測年極值作參考,結(jié)果見表2。

表2POT和BMM模型安全預(yù)警指標(biāo)實時估計比較

年份位移/mmPOT模型BMM模型年極值2010年1.221.270.922011年1.211.270.712012年1.271.291.24

從表2中可知：①POT和BMM模型對于2010年、2011年和2012年位移預(yù)警指標(biāo)的估計非一成不變,且均大于相應(yīng)的年極值,與大壩壩肩實際狀況一致,兩種模型均具合理性；②倘若利用POT模型在2010年擬定的位移預(yù)警指標(biāo)應(yīng)用到2012年大壩位移監(jiān)控中,便會失效,說明了實時加入新監(jiān)測資料對預(yù)警指標(biāo)的估計具有實際意義；③對比POT與BMM模型可以得到POT模型在位移預(yù)警指標(biāo)估計中更加偏于安全。

3結(jié)語

極值理論POT模型通過設(shè)定合理的閾值,更全面的考慮了所有較大測值,利用GPD分布更好地刻畫了數(shù)據(jù)樣本的超閾值分布特征,因此得到的預(yù)警指標(biāo)估計值能更客觀地反映工程實際。

本文將極值POT模型應(yīng)用于大壩位移預(yù)警指標(biāo)實時估計中,通過分析研究,大壩處于安全狀態(tài),與大壩的實際情況較為吻合,與該大壩壩肩實際監(jiān)測資料成果分析一致,說明本文建立的位移預(yù)警指標(biāo)實時估計模型較為可靠,具有一定的科學(xué)性。本文在模型建模過程中,因大壩失事概率尚無具體規(guī)范可依據(jù),依經(jīng)驗對其假定具有主觀性,為更加客觀精確的估計預(yù)警指標(biāo),存在的不足,需進(jìn)一步進(jìn)行研究與完善。

參考文獻(xiàn)：

[1]蘇懷智, 王峰, 劉紅萍. 基于POT模型建立大壩服役性態(tài)預(yù)警指標(biāo)[J]. 水利學(xué)報, 2012, 43(8): 974- 978.

[2]花擁軍, 張宗益. 極值BMM與POT模型對滬深股市極端風(fēng)險的比較研究[J]. 管理工程學(xué)報, 2009, 23(4): 104- 108.

[3]BALKEMAAA,DeHAANL.Residuallifetimeatgreatage[J].AnnalsofProbability, 1974, 2(5): 792- 804.

[4]PICKANDSJ.Statisticalinferenceusingextremeorderstatistics[J].AnnalsofStatistics, 1975, 3(1): 119- 131.

[5]陳紅英.POT模型在巨災(zāi)保險中的應(yīng)用[D]. 上海： 上海交通大學(xué), 2010.

[6]錢小仕, 王福昌, 盛書中. 基于廣義帕累托分布的地震震級分布尾部特征分析[J]. 地震學(xué)報, 2013, 35(3): 341- 350.

[7]邊寬江, 程波, 王蕾蕾. 收益分布尖峰厚尾問題的統(tǒng)計檢驗[J]. 統(tǒng)計與決策, 2009, 283(7): 83- 85.

[8]HILLBM.Asimplegeneralapproachtoinferenceaboutthetailofadistribution[J].AnnalsofMathematicalStatistics, 1975, 3(5): 1163- 1174.

[9]高岳, 張翼. 深成指GPD分布尾部擬合與VaR、ES風(fēng)險度量[J]. 統(tǒng)計與決策, 2012 (18): 157- 159.

[10]LORETANM,PHILLIPSPCB.TestingtheCovarianceStationarityofHeavy-tailedTimeseries:AnOverviewoftheTheorywithApplicationstoSeveralFinancialDatasets[J].JournalofEmpiricalFinance, 1994, 1(2): 211- 248.

[11]桂文林, 韓兆洲, 潘慶年.POT模型中GPD“厚尾”性及金融風(fēng)險測度[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2010, (1): 107- 118.

[12]桂文林, 王宗毅, 韓兆洲.POT模型中GPD估計方法選擇及金融風(fēng)險測度[J]. 數(shù)學(xué)的實踐與認(rèn)識, 2010, 40(5): 66- 71.

[13]王芳, 門慧. 三參數(shù)廣義帕累托分布的似然矩估計[J]. 數(shù)學(xué)年刊A輯: 中文版, 2013, 34A(3): 299- 312.

(責(zé)任編輯王琪)

收稿日期：2015- 05- 18

基金項目：江蘇省杰出青年基金(BK2012036)；國家自然科學(xué)基金(51179066, 51409167,81279052,2014513311)；國家重點實驗室研究項目(20145028312)；江蘇省“333高層次人才培養(yǎng)工程”科研項目(2016-B1307101)

作者簡介：任杰(1992—),男,山西臨汾人,碩士研究生,研究方向為水工結(jié)構(gòu)工程安全監(jiān)控．

中圖分類號：TV698.1

文獻(xiàn)標(biāo)識碼：A

文章編號：0559- 9342(2016)04- 0045- 04

Real-TimeEstimationofDamDisplacementEarlyWarningIndicatorBasedonPOTModel

RENJie1,2,SUHuaizhi1,2,CHENLan3,XUYanxin1,2

(1.StateKeyLaboratoryofHydrology-WaterResourcesandHydraulicEngineering,HohaiUniversity,Nanjing210098,Jiangsu,China; 2.CollegeofWaterConservancyandHydropower,HohaiUniversity,Nanjing210098,Jiangsu,China;3.ChangjiangRiverScientificResearchInstituteofChangjiangWaterResourcesCommission,Wuhan430010,Hubei,China)

Abstract:In the process of dam service, the real-time estimation of dam safety early warning indicator is of great significance. Based on extreme value theory, the reasonable threshold is firstly proposed for displacement historical monitoring sequences, and then the over threshold sequences will be featured by using Generalized Pareto Distribution (GDP), finally the Peaks Over Threshold (POT) model of displacement early warning indicator will be built combining with the probability of dam failure. By updating the modeling sequences in real time, the real-time estimation of displacement early warning indicator will be completed. Based on the displacement monitor sequences of 2007- 2009, 2007- 2010 and 2007- 2011 of the 29thmonolith of a gravity arch dam, the estimations of displacement early warning indicators of 2010, 2011 and 2012 are completed by using POT model and traditional Block Maxima Method (BMM) respectively. The results validate that the POT model is more safe and reasonable than BMM model．

Key Words:dam; displacement early warning indicator; extreme value theory; POT model