[发明专利]一种堤坝边坡变形监测数据分析方法

说明书

技术领域

本发明涉及一种堤坝边坡变形监测数据分析方法，属于水利工程边坡变形监测技术领域。

背景技术

我国全国现有水库98002座，大型756座(其中大(1)127座、大(2)型629座)、中型3938座、小型93308座；过闸流量大于5m³/s的水闸97019座，其中大型860座，中型6332座，小型89827座；堤防约413679km。上述水利、水电、水运和交通工程中，许多都包括或含有土坡工程。边坡失稳破坏是土坝破坏的主要形式，也是类似工程安全的重要影响因素，严重影响工程和相关人员和设施安全。1954～2013年，全国共有3500余座水库溃坝失事，其中绝大多数是土石坝。“63.8”海河流域特大洪水导致河北省5座中型、17座小(1)型、297座小(2)型总计319座水库溃坝；“75.8”特大洪水导致河南驻马店地区板桥、石漫滩等62座水库大坝溃决，22564人死亡，1029.5万人受灾。设立监测设施进行边坡变形监测是有效及时了解边坡稳定程度的有效措施，这种有效程度与数据分析方法密切相关。目前常见的数据分析方法为逐步回归模型，这种模型对样本分布、因变量之间的独立性以及因变量大小都有严格要求，可是实际上的边坡监测数据都难以满足上述要求。

发明内容

本发明的目的在于提供一种堤坝边坡变形监测数据分析方法，采用基于特征正交分解的分位数回归分析方法，得到原始数据的分位数回归方程，并分析不同自变量对堤坝边坡位移的影响程度。

为达到上述目的，本发明采用的技术方案如下：

一种堤坝边坡变形监测数据分析方法，包括以下步骤：

1)对堤坝边坡位移及影响堤坝边坡位移的关键影响因素进行监测，影响堤坝边坡位移的关键影响因素即为自变量，堤坝边坡位移即为因变量，选取相应监测数据，对自变量监测数据矩阵在标准化的基础上进行特征正交分解，得到特征正交基，建立因变量与特征正交基之间的关系，再结合特征正交基与自变量之间的线性关系，通过转化得到自变量与因变量的回归方程；

2)对所述步骤1)得到的特征正交基与堤坝边坡位移进行分位数回归，得到各分位数的回归方程参数，进而得到各分位数下堤坝边坡位移与特征正交基的回归方程，再代入原始数据，得到原始数据的分位数回归方程；

3)分析不同分位数下各个自变量的回归方程参数估计值是否通过显著性检验，判断不同自变量对因变量的影响程度；分析不同分位数下各个自变量的回归方程参数估计值的变化情况，判断空间上不同测点测值对堤坝边坡位移的影响程度。

前述的步骤1)具体包括以下步骤：

1-1)选取监测数据：对于n个观测样本，每个观测样本有p个观测变量q₁，q₂…q_p，即p个自变量，定义q_ij，i＝1,2,...,n，j＝1,2,...,p，表示第i个观测样本的第j个观测变量，则第k个观测样本表示为：q_k1,q_k2...q_kp；

1-2)构造快照矩阵：将观测样本数据进行标准化处理，得到标准化后的快照矩阵X：

其中，x_ij表示标准化处理后第i个观测样本的第j个观测变量，j＝1,2,……,p，为一个列向量，表示第j个观测变量不同样本的观测值；

1-3)根据标准化处理以后的快照矩阵，构造关联矩阵R：

R＝(1/n)X^TX(3)；

1-4)利用Matlab软件求出关联矩阵R的特征值以及对应的特征向量，然后将特征值进行降序排列，并将对应的特征向量进行相应的排序；

1_-5)运用一个通用的能量模态F(k)进行截断，设定一个标准ε，通过满足：

确定特征正交分解降阶模型中模态的数目l，

式中，λ_i表示第i个特征值，i＝1,2,……,p，满足λ₁≥λ₂≥...λ_p；

1-6)选取特征向量构成矩阵V：V＝[V₁,V₂,...V_l]，

其中，V_i表示降序排列后第i个特征值对应的特征向量；

采用特征向量将快照矩阵进行线性化叠加，得到：Ψ＝XV；