ntvНаучно-технический вестник информационных технологий, механики и оптикиScientific and Technical Journal of Information Technologies, Mechanics and Optics2226-14942500-0373Университет ИТМО10.17586/2226-1494-2022-22-3-610-622ntv-281Research ArticleМАТЕМАТИЧЕСКОЕ И КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕMODELING AND SIMULATIONМониторинг инфильтрационных процессов в гидротехнических сооружениях с использованием распределенного акустического сенсораMonitoring of infiltration processes in hydraulic structures using distributed acoustic sensing technologyhttps://orcid.org/0000-0001-7212-5230ТимофеевА. В.TimofeevA. V.

Тимофеев Андрей Владимирович — доктор технических наук, научный директор

Астана, 010000

Andrey V. Timofeev — D. Sc. (Eng.)

Astana, 010000

timofeev.andrey@gmail.comhttps://orcid.org/0000-0002-7874-7118ГрозновД. И.GroznovD. I.

Грознов Денис Игоревич — разработчик

Астана, 010000

Denis I. Groznov — Software Developer

Astana, 010000

d.i.groznov@yandex.ruТОО «Эквалайзум»КазахстанLLP “EqualiZoom”Kazakhstan202217122024223610622Copyright © Тимофеев А.В., Грознов Д.И., 20242024Тимофеев А.В., Грознов Д.И.Timofeev A.V., Groznov D.I.This work is licensed under a Creative Commons Attribution 4.0 License.https://ntv.elpub.ru/jour/article/view/281Предмет исследования

Предмет исследования. Предложен новый метод мониторинга инфильтрационных процессов, развивающихся внутри тела гидротехнических сооружений. Метод основан на использовании оптоволоконной технологии DAS (distributed acoustic sensing). Данная технология обеспечивает высокую пространственную сплошность анализа сейсмоакустического поля сооружения; цифрового двойника динамики инфильтрационных процессов и эффективных методов обработки сигналов, основанных на машинном обучении (machine learning — ML).

Метод

Метод. В качестве распределенного сенсора сейсмоакустического поля объекта использована DAS-система, оптоволоконный сенсор которой инсталлирован внутри тела сооружения по принципу максимального охвата. Инфильтрационная активность внутри тела сооружения оценена по совокупности обнаруженных и классифицированных методами машинного обучения инфильтрационных потоков, которые являются источниками сейсмоакустической эмиссии и поэтому уверенно детектируются DAS-системой. Цифровой двойник динамики инфильтрационных процессов, основанный на уравнениях математической физики, использован в качестве нормальной базы при оценке текущего состояния активности флюидов в теле сооружения. Риск разрушения сооружения под воздействием инфильтрационного потока оценен в рамках предложенного, формального метода, основанного на полученных данных цифрового двойника.

Основные результаты

Основные результаты. На основании анализа базы данных сигналов, состоящей из реальных сигналов инфильтрационных процессов, доказана высокая эффективность детекции и классификации сигналов данного типа при помощи ML-классификатора, входящего в состав системы мониторинга. Предложен цифровой двойник динамики инфильтрационных процессов в теле гидросооружения. На основе использования этой модели предложен метод оценки риска повреждения тела гидротехнического сооружения, которое может произойти в результате реализовавшейся инфильтрационной активности.

Практическая значимость

Практическая значимость. Метод контроля инфильтрационных процессов внутри гидротехнических сооружений может быть использован для мониторинга оперативного состояния практически любых гидротехнических сооружений, в том числе в криолитозоне.

The article proposes a new method of monitoring the infiltration processes developing inside the body of hydraulic structures. The method is based on the use of DAS (distributed acoustic sensing) fiber-optic technology which provides high spatial continuity of hydraulic structure seismoacoustic field analysis; digital twin infiltration dynamics and efficient signal processing methods based on machine learning. As a distributed sensor of the object’s seismoacoustic field, a DAS system is used the fiber-optic sensor of which is installed inside the body of the structure according to the principle of maximum coverage. The infiltration activity inside the structure body is estimated based on the analysis of an infiltration flows ensemble which are detected and classified by machine learning (ML) methods. These infiltration flows are sources of seismoacoustic emission and are therefore confidently detected by the DAS system. A digital twin of the infiltration dynamics based on the equations of mathematical physics is used as the normal basis for estimating the current state of fluid activity in the body of the structure. The risk of a structure failure under the influence of the observed infiltration flow is estimated within the framework of the proposed formal method based on the digital twin data. Based on the analysis of Data Set, consisting of real signals of infiltration processes, the high efficiency of detection and classification of this type of signals with the special ML-classifier included in the monitoring system is proved. A digital twin model of the infiltration processes dynamics in the body of a hydraulic structure is proposed. On the basis of the digital twin model, a method for estimating the risk of damage to the body of a hydraulic structure, which may occur as a result of the observed infiltration activity, is proposed. The method of controlling infiltration processes inside hydraulic structures can be used to monitor the operational condition of almost any hydraulic structures, including those in the cryolithic zone.

DASинфильтрационный процессмашинное обучениеклассификациягидротехническое сооружениемониторинг хвостохранилищмониторинг дамбSVMцифровой двойниккриолитозонауравнение ДарсиDASinfiltration processmachine learningclassificationhydraulic structurestailings monitoringdam monitoringSVMdigital twincryolithozoneDarcy’s equationReferencesСухно А.М., Хлапов Н.Н. Автоматизированная система мониторинга на хвостохранилище Айхальского ГОКЕ // Горный журнал. 2008. № 5. С. 65–68.Sukhno A.M., Khlapov N.N. Automatic system for monitoring at the tailing storage of Aikhal’sky mining and concentrating works. Gornyi Zhurnal, 2008, no. 5, pp. 65–68. (in Russian).Бесимбаева О.Г., Хмырова Е.Н., Логинов А.В., Олейникова Е.А. Мониторинг состояния дамбы хвостохранилища намывного типа // Интерэкспо ГЕО-Сибирь. 2017. Т. 1. № 1. С. 125–129.Besimbaeva O.G., Khmyrova E.N., Loginov A.V., Oleinikova E.A. Research of the opportunities of 3D modeling for mine surveying support of mining works. Interexpo GEO-Siberia, 2017, vol. 1, no. 1, pp. 125–129. (in Russian).Аравин В.И., Нумеров С.Н. Теория движения жидкостей и газов в недеформируемой пористой среде. М.: Государственное издательство технико-теоретической литературы, 1953. 616 с.Aravin V., Numerov S. The Theory of Motion of Liquids and Gases in Non-Deformable Porous Medium. Moscow: Gosudarstvennoe izdatel’stvo tehniko-teoreticheskoj literatury, 1953, 616 с. (in Russian).Timofeev A.V., Groznov D.I. Classification of seismoacoustic emission sources in fiber optic systems for monitoring extended objects // Optoelectronics, Instrumentation and Data Processing. 2020. V. 56. N 1. P. 50–60. https://doi.org/10.3103/S8756699020010070Timofeev A.V., Groznov D.I. Classification of seismoacoustic emission sources in fiber optic systems for monitoring extended objects. Optoelectronics, Instrumentation and Data Processing, 2020, vol. 56, no. 1, pp. 50–60. https://doi.org/10.3103/S8756699020010070Timofeev A.V., Denisov V.M. Multimodal heterogeneous monitoring of super-extended objects: Modern view // Studies in Systems, Decision and Control. 2016. V. 62. P. 97–116. https://doi.org/10.1007/978-3-319-32525-5_6Timofeev A.V., Denisov V.M. Multimodal heterogeneous monitoring of super-extended objects: Modern view. Studies in Systems, Decision and Control, 2016, vol. 62, pp. 97–116. https://doi.org/10.1007/978-3-319-32525-5_6Becker M., Coleman T., Ciervo C., Cole M., Mondanos M. Fluid pressure sensing with fiber-optic distributed acoustic sensing // Leading Edge. 2017. V. 36. N 12. P. 1018–1023. https://doi.org/10.1190/tle36121018.1Becker M., Coleman T., Ciervo C., Cole M., Mondanos M. Fluid pressure sensing with fiber-optic distributed acoustic sensing. Leading Edge, 2017, vol. 36, no. 12, pp. 1018–1023. https://doi.org/10.1190/tle36121018.1Liu X., Jin B., Bai Q., Wang Y., Wang D., Wang Y. Distributed fiberoptic sensors for vibration detection // Sensors. 2016. V. 16. N 8. P. 1164. https://doi.org/10.3390/s16081164Liu X., Jin B., Bai Q., Wang Y., Wang D., Wang Y. Distributed fiberoptic sensors for vibration detection. Sensors, 2016, vol. 16, no. 8, pp. 1164. https://doi.org/10.3390/s16081164Wang Y., Jin B., Wang Y., Wang D., Liu X., Bai Q. Real-time distributed vibration monitoring system using Φ -OTDR // IEEE Sensors Journal. 2017. V. 17. N 5. P. 1333–1341. https://doi.org/10.1109/jsen.2016.2642221Wang Y., Jin B., Wang Y., Wang D., Liu X., Bai Q. Real-time distributed vibration monitoring system using Φ –OTDR. IEEE Sensors Journal, 2017, vol. 17, no. 5, pp. 1333–1341. https://doi.org/10.1109/jsen.2016.2642221Inaudi D., Cottone I., Figini A. Monitoring dams and levees with distributed fiber optic sensing // Proc. of the 6th International Conference on Structural Health Monitoring of Intelligent Infrastructure. 2013.Inaudi D., Cottone I., Figini A. Monitoring dams and levees with distributed fiber optic sensing. Proc. of the 6th International Conference on Structural Health Monitoring of Intelligent Infrastructure, 2013.Johansson S., Beaupretre S., Boue A., Stork A. Distributed Acoustic Sensing for Detection of Defects in the Test Dam at Älvkarleby: Technical Report. 2021 [Электронный ресурс]. URL: https://energiforsk.se/en/programmes/dam-safety/reports/distributedacoustic-sensing-for-detection-of-defects-2021-732/ (дата обращения: 15.12.2021).Johansson S., Beaupretre S., Boue A., Stork A. Distributed Acoustic Sensing for Detection of Defects in the Test Dam at Älvkarleby. Technical Report. 2021. Available at: https://energiforsk.se/en/programmes/dam-safety/reports/distributed-acoustic-sensing-fordetection-of-defects-2021-732/ (accessed: 15.12.2021).Ouellet S., Suszek N., Lato M., Russell B., Froese C., Carey E. Static liquefaction-type tailings dam failures: understanding options for detecting failures // Proc. of Tailings and Mine Waste, November 17–20 2019. Vancouver, Canada. University of British Columbia, 2019. P. 415–420.Ouellet S., Suszek N., Lato M., Russell B., Froese C., Carey E. Static liquefaction-type tailings dam failures: understanding options for detecting failures. Proc. of Tailings and Mine Waste, November 17–20 2019. Vancouver, Canada. University of British Columbia, 2019, pp. 415–420.Forbes B., Ouellet S., Suszek N., Lato M., Russell B. Application of distributed acoustic sensing within a tailings dam warning system // Proc. of Tailings and Mine Waste Conference, 2021.Forbes B., Ouellet S., Suszek N., Lato M., Russell B. Application of distributed acoustic sensing within a tailings dam warning system. Proc. of Tailings and Mine Waste Conference, 2021.Рассказов Л.Н., Орехов В.Г., Анискин Н.А. Гидротехнические сооружения. Ч. 1: учебник. М.: Ассоциация строительных вузов, 2008. 575 c.Rasskazov L.N., Orekhov V.G., Aniskin N.A. Hydrotechnical Constructions. Part 1. Textbook. Moscow: Association of Civil Engineering Universities Publ., 2008. 575 p. (in Russian).Shapiro N., Campillo M., Stehly L., Ritzwoller M. High-resolution surface-wave tomography from ambient seismic noise // Science. 2005. V. 307. N 5715. P. 1615–1618. https://doi.org/10.1126/science.110833Shapiro N., Campillo M., Stehly L., Ritzwoller M. High-resolution surface-wave tomography from ambient seismic noise. Science, 2005, vol. 307, no. 5715, pp. 1615–1618. https://doi.org/10.1126/science.110833Cristianini N., Shawe-Taylor J. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press, 2000. 189 p.Cristianini N., Shawe-Taylor J. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press, 2000, 189 p.

The authors declare that there are no conflicts of interest present.