| R/S分析法在桥梁沉降趋势分析中的应用 |
2. 甘肃省地理国情监测工程实验室,甘肃 兰州, 730070
2. Gansu Province Geography and National Conditions Monitoring Engineering Laboratory, Lanzhou 730070, China
桥梁的沉降监测与分析对其正常的运营至关重要。为保证桥梁正常安全地使用,必须采取有效的方式对其进行监测和变形趋势分析并做出预警预报。R/S分析法(rescaled range analysis)以分形理论为基础,对监测数据时间序列进行研究,找出监测数据随时间的变化规律,并对其变化趋势做出正确的预警预报。该方法已应用于大坝监测、滑坡监测以及地铁变形监测等重大工程监测中,结果令人满意[1-5]。为进一步探讨该方法的应用价值,本文将其引入到桥梁沉降监测中,并以某一特大简支梁桥为例,进行了相关的研究,取得了一定的成果。
1 R/S分析法1) Hurst指数计算原理。R/S分析法是Hurst在研究尼罗河多年的水文资料时发现的一种分析方法,经过不断补充和完善,形成的时间序列分析方法。该方法通过计算Hurst指数来确定变形的趋势性及其强度。
Hurst指数的基本计算原理[6-11]如下:①给定某一长度的时间序列样本及其对应的子序列;②计算某一子序列的样本均值与样本标准差;③计算子序列的离差,对子序列的离差求和;④计算子序列的极差;⑤计算各子序列的重标极差;⑥由Hurst指数的经验公式计算其Hurst指数;⑦重复上述步骤①到⑥,可以得到不同的重标极差值,绘制散点图,采用线性回归分析法,得到的直线斜率即为Hurst指数H。
2) H判定依据。指数H表示时间序列的关联性及其趋势的强度,其不同取值的意义如下。①当0 < H < 0.5时,表明时间序列的总体趋势在将来与过去相反,点位所处的状态将发生改变,即过去增加的总体趋势在将来会变为减弱的总体趋势,且H越趋近于0,该现象越强;反之亦然,称其为反持续性。②当H=0.5时,表明时间序列表现出随机性,无规律可循,处于临界状态。③当0.5 < H < 1时,表明时间序列的总体趋势在将来与过去相同,表现出一致性且持续发展,具有持久性,即过去增加的总体趋势在将来还是表现为增加,且H越趋近于1,其总体趋势增加越明显,强度越大,规律性越强;反之亦然,称其为持续性。
2 实例应用与分析 2.1 监测数据的R/S分析本文以宝兰客专某特大简支梁桥梁体沉降监测数据为例。沉降监测设备采用经检测合格的徕卡DNA03数字水准仪与配套的铟瓦尺,水准仪标称精度为3 mm/km。监测时间2014年6月~2015年10月,得到70期的沉降监测数据,部分测点布置形式如图 1所示。取其中的20个监测点进行R/S分析,以监测点X0705为例,其原始数据变化曲线如图 2所示,可以看出监测数据呈现一定的波动性,波动逐渐趋于平缓,具有非线性特征,其余各点的变化曲线与该点类似。为了扩大样本,对原有的70期数据进行3次样条插值,得到140期的数据,该数据以监测点相对高程值作为时间序列,以其中的前120期数据为R/S分析的基础数据,以后20期数据为检验数据。
![]() |
| 图 1 测点位置布置形式图 Fig.1 Location of the Measuring Point Position |
![]() |
| 图 2 X0705点原始数据变化曲线图 Fig.2 X0705 Point of the Original Data Change Curve |
对插值后的20个监测点的时间序列数据进行R/S分析,计算所得各点的H指数列于表 1中,同时绘制各监测点的散点图并对其进行线性回归分析,所得结果进行相关系数R2与F检验[11],部分监测点的散点图与回归直线如图 3(a)~3(h)所示。
| 表 1 监测点的H和各点前后中误差对比 Tab.1 H of Monitoring Points and Variance Comparison Before and After the Points |
![]() |
![]() |
| 图 3 部分监测点的R/S分析结果 Fig.3 Part of the Monitoring Point of the R/S Analysis Results |
从表 1中监测点的H可以看出如下趋势。
1) 各监测点的H均大于0.5,并且都小于1。这说明各监测点未来的沉降趋势与过去的沉降趋势一致,表 1已经表明各监测点的沉降趋势逐渐趋于平缓,则所得H表明各监测点在未来的沉降趋势也趋于平缓,即沉降量向着逐渐减小的方向发展,同时各监测点的沉降变化趋势一致。说明影响该桥梁沉降的外界因素基本相同,可以为从力学角度分析桥梁沉降变形的原因提供可靠依据。
2) 线性回归所得直线的相关系数R2都很大,均大于0.9,各监测点的F值很大,即回归直线通过了F检验。这说明线性回归的准确度高,计算所得H可信度高,H能够较好地反映桥梁沉降变形的整体变化趋势。
3) H能够很好地反映沉降变化趋势性的强弱程度。表 1中监测点X0601、X0702、X0703、X0704的H相对较小,说明其沉降变化减弱的趋势性的程度较弱,沉降变形会越来越小,但变小的速度相对较慢;而X0602、X0705、X0805、X0902的H相对较大,说明其沉降变化减弱的趋势性的程度较强,沉降变形会越来越小,变小的速度相对较快;其余各点介于这两种变化之间。
2.2 R/S分析结果的检验通过前后不同期数据的中误差对比,进一步检验R/S分析结论的可靠性。把前120期数据作为R/S分析的基础数据,将后20期数据为检验数据,如果后20期的中误差较前120期的中误差变小,则表明监测点未来的变化将与过去的变化趋势保持一致,反之亦然。从表 1中可以看出,各监测点的中误差均在减小,说明各监测点的沉降量在减小,这与R/S分析法的结论一致,即各点的沉降趋势在减弱,沉降量在减小。
3 结束语本文将R/S分析法引入到桥梁梁体的沉降变形趋势分析中,主要得出如下结论。
1) 该简支梁桥各监测点的沉降具有很强的非线性特征,监测点的沉降量随时间呈现减小趋势;计算所得各监测点的H均大于0.5,大多数点的H达到0.9,说明各监测点沉降变形减小的趋势在增强,未来沉降量将越来越小。
2) R/S分析法适用于桥梁梁体的沉降趋势分析,该方法通过计算对应时间序列的H来预测桥梁梁体的沉降在未来的发展趋势,分析结果与实际变化具有一致性,可以为桥梁监测过程中监测周期的设计与变更提供有效的依据。
3) 采用后20期数据计算所得中误差与前120期数据计算所得中误差对比能够很好地反映变形趋势的强弱,检验结果证明了R/S分析法适用于桥梁梁体的沉降趋势分析。
| [1] |
田振华, 李传栋, 郑东健. R/S分析法在大坝安全监测中的应用[J]. 人民黄河, 2012, 34(2): 106-107. DOI:10.3969/j.issn.1000-1379.2012.02.036 |
| [2] |
宋传旺, 于广明, 李亮. 基于R/S分析法的尾矿坝坝体位移趋势研究[J]. 矿业研究与开发, 2014, 34(6): 41-43. |
| [3] |
李远耀, 殷坤龙, 程温鸣. R/S分析在滑坡变形趋势预测中的应用[J]. 岩土工程学报, 2010, 32(8): 1291-1296. |
| [4] |
邬长福, 涂志刚, 万佳威, 等. 基于R/S分析与V/S分析的滑坡变形趋势判断及稳定性研究[J]. 水电能源科学, 2015, 33(1): 111-114. |
| [5] |
臧妻斌, 黄腾, 郭献涛. 重标极差分析法在地铁变形监测中的应用[J]. 测绘科学, 2015, 40(2): 84-87. |
| [6] |
樊晓一, 乔建平. 三峡水库区滑坡时间记录的R/S分析[J]. 中国地质灾害与防治学报, 2006, 17(2): 99-101. DOI:10.3969/j.issn.1003-8035.2006.02.022 |
| [7] |
门宝辉, 刘昌明, 夏军, 等. R/S分析法在南水北调西线一期工程调水河流径流趋势预测中的应用[J]. 冰川冻土, 2005, 27(4): 568-573. DOI:10.3969/j.issn.1000-0240.2005.04.016 |
| [8] |
徐绪松, 马莉莉, 陈彦斌. R/S分析的理论基础:分数布朗运动[J]. 武汉大学学报(理学版), 2004, 50(5): 547-550. DOI:10.3321/j.issn:1671-8836.2004.05.004 |
| [9] |
江田汉, 邓莲堂. Hurst指数估计中存在的若干问题—以在气候变化研究中的应用为例[J]. 地理科学, 2004, 24(2): 177-182. DOI:10.3969/j.issn.1000-0690.2004.02.008 |
| [10] |
贺可强, 孙林娜, 王思敬. 滑坡位移分形参数Hurst指数及其在堆积层滑坡预报中的应用[J]. 岩石力学与工程学报, 2009, 28(6): 1107-1115. DOI:10.3321/j.issn:1000-6915.2009.06.004 |
| [11] |
牛春雷, 谭亚黎, 郭伟英. EXCEL在线性回归直线统计检验中的应用[J]. 环境研究与监测, 2006, 19(3): 27-29. |
2019, Vol. 44





