一种基于多源监测与数字孪生的公路边坡地质参数动态反演方法与系统

本发明涉及公路边坡地质反演领域，尤其涉及一种基于多源监测与数字孪生的公路边坡地质参数动态反演方法与系统。

背景技术：

1、公路高路堤、深路堑等高风险边坡长期暴露于复杂自然环境中，易受暴雨与持续降雨、强震及余震、坡脚冲刷、地下水位波动等多种致灾因素的叠加作用，导致滑坡、坍塌、沉陷、崩塌、落石等典型灾害频发，严重威胁道路交通功能与运行安全。准确获取边坡内部地质参数是实现灾害预测预警的核心前提。

2、对于高填方路堤土质边坡，其灾害演化过程涉及"降雨入渗-水文条件变化-剪切强度降低-蠕变变形-界面滑移-差异沉降-局部失稳"的渐进破坏链条，关键地质参数包括土体黏聚力（）、内摩擦角（）、渗透系数（）、压缩模量（）及软弱夹层界面强度参数等。现有技术中通常通过获取以上参数来表现高填方路堤土质边坡受到时间天气地质环境等多种因素影响后的疲劳程度，但现有针对土质边坡地质参数的获取方法存在以下不足：

3、1、静态参数无法反映动态劣化过程：传统室内三轴试验、直剪试验所获参数为特定状态下的离散静态值，无法表征降雨入渗导致饱和度变化、孔隙水压力累积对抗剪强度参数的动态弱化过程，难以支撑边坡稳定性的实时动态评估。

4、2、多层填筑界面参数难以有效辨识：高填方路堤存在填筑分层界面、软弱基底等复杂内部结构，不同层位岩土体参数差异显著。现有勘测手段难以逐层精细获取界面强度参数，导致数值模型中参数赋值过于均一化，计算结果失真。

5、3、孔隙水压力与变形监测数据利用率低：土质边坡通常布设有孔隙水压力计、位移传感器、地下水位计等监测设备，积累了大量与参数劣化过程密切相关的响应数据，但现有方法缺乏将这些多源监测数据系统融合并反演内部地质参数的有效手段，监测数据的深层价值未能得到充分挖掘。

6、对于深路堑岩质边坡，其灾害演化过程呈现"降雨冲蚀/地震扰动-裂隙发育-裂隙扩展-危岩形成-瞬时失稳"的链式演化特征，关键地质参数包括岩体变形模量（）、岩体完整性系数（）、结构面抗剪强度参数（、）、节理裂隙密度与开度、岩体渗透张量等。现有技术中通常通过获取以上参数来表现深路堑岩质边坡受到时间天气地质环境等多种因素影响后的疲劳程度，但现有针对深路堑岩质边坡参数的获取方法存在以下不足：

7、1、裂隙动态扩展参数难以实时追踪。地震扰动与降雨入渗会加速岩体内部节理裂隙的发育与扩展，使岩体力学参数随损伤累积持续劣化。现有方法多依赖地质调查与岩芯测试获取初始参数，无法实现裂隙扩展过程中岩体等效参数的动态更新。

8、2、地震动响应数据与参数反演脱节。岩质边坡在强震及余震作用下，岩体内部损伤特征与地震动监测响应之间存在明确的物理关联，但现有反演方法难以有效利用地震动监测数据约束岩体动力参数（如动弹性模量、阻尼比），导致震后边坡稳定性评估精度不足。

9、3、结构面参数空间变异性表征不足。岩质边坡结构面（节理、断层、软弱夹层）的空间分布具有强烈的非均质性，单点勘测难以反映结构面参数的空间变异规律。现有确定性反演方法缺乏对参数不确定性的系统量化，无法为危岩体稳定性概率评估提供可靠基础。

10、除上述针对两类边坡的具体不足外，现有地质参数反演方法构成的反演技术体系还存在以下共性问题：

11、1、反演效率与实时性不足。现有反演技术体系通常基于有限元/离散元的正演-反演，其迭代计算成本高，单次反演耗时长，存在较大的时间延迟，难以满足边坡灾害动态预警对参数实时更新的需求。

12、2、缺乏物理-数据双驱动融合机制。现有反演方法或偏重物理模型（数值仿真），或偏重数据驱动（机器学习），两者之间缺乏有效融合，导致物理模型的机理解释能力与数据驱动方法的快速响应能力无法协同发挥。

13、3、缺乏与预警体系的全链条衔接。现有参数反演方法与边坡稳定性分析、预警分级判定之间相互独立，缺乏从"多源监测数据→动态反演地质参数→稳定性实时分析→预警等级推演"的全链条一体化技术框架，导致反演成果难以直接驱动灾害预警决策。

14、因此，如何能够提供一种能够将多源监测数据、土质边坡与岩质边坡差异化参数体系、数值仿真与机器学习三者有机结合、依托数字孪生实现同步动态更新的公路边坡地质参数反演方法，以填补上述技术空白成为亟需解决的问题。

技术实现思路

1、本发明提供一种基于多源监测与数字孪生的公路边坡地质参数动态反演方法与系统，用以解决现有技术中公路边坡地质参数获取方法中存在的获取参数具有静态、低精度的缺陷，在预测过程中产生计算成本高的问题，且预测结果与有效预警体系脱节的问题。

2、为了实现上述目的，本发明技术方案提供了一种基于多源监测与数字孪生的公路边坡地质参数动态反演方法，包括：采集各监测传感器的数据，对采集的多源监测数据进行预处理，得到多源监测数据集；对土质边坡和岩质边坡构建不同的初始参数体系，并根据土质边坡和岩质边坡各自不同的情况约束所述多源监测数据集中各参数的先验分布范围，用于为后续反演提供初始约束；构建耦合降雨入渗模块、渗流场-应力场双场耦合模块及蠕变变形模块的土质边坡正演模型；构建包括损伤力学本构关系的岩质边坡正演模型，这两个正演模型分别输出各自的参数和与参数相应相应监测传感器位置对应的响应量，构建各地质参数-响应量样本的正演映射关系作为训练数据集；采用拉丁超立方采样算法对训练数据集进行数据处理，得到训练样本，采用不同深度学习方法分别训练土质边坡代理模型和岩质边坡代理模型，替代数值正演模型给定参数组合下的边坡响应量；将所述多源监测数据集为观测约束，基于贝叶斯反演框架，采用mcmc采样算法或变分推断算法分别对训练完成的所述土质边坡代理模型和岩质边坡代理模型分别进行反演，最小化观测响应与各代理模型预测响应之间的残差，得到各自的动态反演物理约束方程；将通过所述土质边坡代理模型和岩质边坡代理模型各自对应的动态反演物理约束方程得到的反演地质参数同步至数字孪生体，迭代更新所述数字孪生体并对当前状态进行预测；将动态反演所得地质参数实时写入所述数字孪生体并更新，实时计算边坡稳定系数，根据所述边坡稳定系数进行预警。

3、作为上述技术方案的优选，较佳的，渗流场-应力场双场耦合模块通过联立richards方程与biot固结方程实现耦合求解；所述蠕变变形模块采用基于时间硬化的黏塑性本构模型或应变硬化的黏塑性本构模型；所述土质边坡正演模型采用有限元方法构建，其输出至少包括坡面位移、深部应变、孔隙水压力及稳定系数的时序响应，时序响应中还包括各参数对应的监测传感器及其位置，得到土质边坡正演模型的地质参数-响应量样本。

4、作为上述技术方案的优选，较佳的，损伤力学本构关系中包括用于表征节理裂隙扩展对岩体等效弹性模量和强度参数劣化影响的损伤变量；所述岩质边坡正演模型采用离散元方法构建或有限元-离散元耦合方法构建，其输出至少包括岩体位移、加速度响应、裂隙开度发展及岩体损伤指数的时序响应，时序响应中还包括各参数对应的监测传感器及其位置，得到岩质边坡正演模型的地质参数-响应量样本。

5、作为上述技术方案的优选，较佳的，采用不同深度学习方法分别训练土质边坡代理模型和岩质边坡代理模型，包括，采用深度神经网络前向传播的方式对所述土质边坡代理模型进行训练，以包含土质边坡中各地质参数-响应量样本为输入，输出对应的土质边坡响应量。

6、作为上述技术方案的优选，较佳的，采用不同深度学习方法分别训练土质边坡代理模型和岩质边坡代理模型，包括，采用图神经网络消息传递算法对所述岩质边坡代理模型进行训练，以岩质边坡节理网络和不同初始参数作为输入构建状态方程，对状态方程训练后，根据训练的状态方程获取监测点与岩质边坡图拓扑的对应关系及相应各监测点的预测响应作为岩质边坡响应量。

7、作为上述技术方案的优选，较佳的，基于贝叶斯反演框架，采用mcmc采样算法或变分推断算法分别对训练完成的所述土质边坡代理模型和岩质边坡代理模型分别进行反演，包括：所述贝叶斯反演框架采用马尔可夫链蒙特卡洛方法或变分推断方法实现反演后参数后验分布的近似采样；具体的，以所述各参数的先验分布范围为初始约束，以所述多源监测数据集分别与土质边坡代理模型和岩质边坡代理模型各自的预测值之间的似然函数为更新依据，每接收一批新增监测数据即分别对土质边坡代理模型和岩质边坡代理模型各自触发一次贝叶斯更新，实现这两个代理模型各自的参数的后验分布的递进式动态收敛，得到土质边坡代理模型的动态反演物理约束方程和岩质边坡代理模型的动态反演物理约束方程。其中，这里的参数指的是反演地质参数

8、作为上述技术方案的优选，较佳的，所述数字孪生体由几何模型、力学模型、渗流模型及损伤演化模型组成；将所述反演地质参数写入至数字孪生体，触发所述数字孪生体的增量更新，包括；所述数字孪生体将其构建的几何模型与采集的数据集进行结合，根据反演所得的反演地质参数构建完整虚拟镜像，根据虚拟镜像与传感器实测之间的残差对虚实映射误差进行校正，迭代更新所述数字孪生体并对土质和/或岩质边坡当前状态进行预测；其中，所述反演地质参数包括观测数据和预测数据。

9、作为上述技术方案的优选，较佳的，根据所述边坡稳定系数进行预警，包括，基于稳定系数计算稳定系数预警阈值，设置监测预警阈值；根据所述边坡稳定系数计算当前稳定系数预警值，根据当前多源监测数据变化速率计算的监测预警值；当稳定系数预警阈值或任一监测量超过对应阈值时，触发相应等级预警。

10、本发明还提供一种基于多源监测与数字孪生的公路边坡地质参数动态反演系统，包括：多源监测数据采集模块，用于对土质边坡和岩质边坡分别部署监测设备，实时采集孔隙水压力数据、位移/应变数据、降雨量与地下水位数据及地震动数据，并对所采集数据进行时序对齐、异常剔除与缺失值插补处理，输出多源融合监测数据集；差异化参数体系构建模块，用于针对土质边坡建立以黏聚力、内摩擦角、渗透系数、压缩模量及填筑分层界面强度参数为核心的初始地质参数体系，针对岩质边坡建立以岩体变形模量、岩体完整性系数、结构面抗剪强度参数、节理裂隙密度及渗透张量为核心的初始地质参数体系，并结合现场勘测的资料确定各参数的先验分布范围；数值仿真正演模块，用于分别构建土质边坡与岩质边坡的数值仿真正演模型，其中土质边坡正演模型耦合降雨入渗模块、渗流场-应力场双场耦合模块及蠕变变形模块，岩质边坡正演模型引入损伤力学本构关系，并通过批量正演计算生成土质边坡与岩质边坡各自的参数-响应样本集；深度学习代理模型模块，用于以数值仿真正演模块生成的参数-响应样本集为训练数据，训练土质边坡与岩质边坡不同的深度学习代理模型，替代数值正演模型快速预测给定参数组合下的边坡响应量；

11、贝叶斯动态反演模块，用于以多源融合监测数据集为观测约束，以深度学习代理模型为正演计算核心，采用贝叶斯反演框架对土质边坡与岩质边坡各自的地质参数后验分布进行动态更新，输出地质参数估计值及其不确定性区间；

12、数字孪生同步更新模块，用于接收贝叶斯动态反演模块输出的反演地质参数，所述数字孪生体根据所述反演地质参数对其几何模型、力学模型、渗流模型及损伤演化模型进行更新，同时输出边坡当前状态的三维可视化结果及边坡位置状态预测曲线；

13、稳定性分析与预警模块，用于接收数字孪生同步更新模块输出的最新数据，实时计算当前边坡稳定系数，根据所述边坡稳定系数和实测数据进行预警。

14、作为上述技术方案的优选，较佳的，多源监测数据采集模块部署于边缘计算节点；所述深度学习代理模型模块、贝叶斯动态反演模块及数字孪生同步更新模块部署于云端计算平台；所述稳定性分析与分级预警模块同时部署于边缘计算节点与云端计算平台，边缘计算节点负责基于监测量阈值的预警响应，云端计算平台负责基于边坡稳定系数计算的预警推演；边缘计算节点与云端计算平台之间通过加密通信协议实现数据双向传输与指令同步。

15、本发明技术方案提供了一种基于多源监测与数字孪生的公路边坡地质参数动态反演方法与系统，对土质边坡和岩质边坡构建不同的初始参数体系及各参数的先验分布范围，用于为后续反演提供初始约束。构建不同的土质边坡正演模型岩质边坡正演模型，正演映射关系作为训练数据集；采用不同深度学习方法分别训练土质边坡代理模型和岩质边坡代理模型，对土质边坡代理模型和岩质边坡代理模型分别进行反演，得到各自的动态反演物理约束方程。将反演地质参数同步至数字孪生体，迭代更新所述数字孪生体并对当前状态进行预测，计算边坡稳定系数，根据所述边坡稳定系数进行预警。

16、本发明的优点是：

17、（1）实现地质参数的动态实时更新。通过代理模型替代数值正演、贝叶斯框架驱动参数更新，大幅提升反演效率，满足公路边坡灾害预警对参数实时性的需求。

18、（2）兼顾土质与岩质边坡的差异化参数体系。针对两类边坡的灾害机理差异，建立差异化的参数体系与正演模型，提高反演结果的物理可解释性与精度。

19、（3）实现物理驱动与数据驱动的有机融合。数值仿真正演模型保证物理机理的正确性，深度学习代理模型保证计算效率，贝叶斯反演框架保证参数估计的统计严谨性，三者协同形成"物理-数据"双驱动反演体系。

20、（4）量化参数不确定性，提升预警可靠性。贝叶斯概率反演框架输出参数后验分布，提供不确定性区间，避免确定性反演的过度自信，为预警决策提供更可靠的参数基础。

21、（5）全链条贯通参数反演与灾害预警。结合数字孪生平台实现从多源监测数据采集、地质参数动态反演到稳定性分析、预警等级推演的全链条一体化，解决现有方法中参数反演与预警体系相互脱节的问题。