[发明专利]一种大坝变形监测中的粗差判别方法、装置及系统

权利要求书

1.一种大坝变形监测中的粗差判别方法，其特征在于，包括：

计算出原始测值序列中各测值对应的离差和，进而形成离差和序列；

计算所述离差和序列的均值和标准差；

基于所述离差和序列的均值和标准差，剔除原始序列中满足粗差判定规则的测值，形成新的测值序列；

基于所述新的测值序列，获得对应的第一回归分析模型；

基于所述第一回归分析模型计算出原始测值序列中各测值对应的拟合残差；

计算出原始测值序列中全体测值的标准差；

将原始测值序列各测值对应的拟合残差与原始测值序列中全体测值的标准差进行比较，基于比较结果判断出粗差，完成粗差判别；

所述各测值对应的离差和的计算方法包括以下步骤：

从去除原始测值序列中去掉某测值，将剩余的n-1个测值与其对应的环境量因子集基于逐步回归算法进行建模，得到第二回归分析模型；

基于所述第二回归分析模型计算出n-1个测值对应的拟合测值，进而计算出n-1个测值的离差和，将所述离差和作为被去掉的单个测值对应的离差和；

所述环境量因子集中各环境量因子的计算公式为：

δ＝δ_H+δ_T+δ_θ

其中，δ为环境量因子，δ_H为水压分量，δ_T为温度分量，δ_θ为时效分量，H为水库水头，t表示始测时间到本次监测时间的累计天数，a_i、c_i、d_i、ε₁、ε₂、f为因子系数。

2.根据权利要求1所述的一种大坝变形监测中的粗差判别方法，其特征在于：所述第二回归分析模型的计算方法，包括以下步骤：

基于剩余的n-1个测值获得回归模型；

将各环境量因子逐个引入回归模型并进行F检验，如果满足显著性要求则选入，则同步对已选的环境量因子逐个进行t检验，对于因为新环境量因子选入而变得不再满足显著性要求的已选环境量因子，将其从回归模型中删除；而如果新引入环境量因子的F检验不满足显著性要求，则放弃，再对下一个新引入环境量因子进行重复的操作，直到既没有新的环境量因子可以选入回归模型，也没有不满足显著性要求的环境量因子需要从回归模型中剔除为止，完成第二回归分析模型的计算。

3.根据权利要求1所述的一种大坝变形监测中的粗差判别方法，其特征在于：所述离差和序列的计算方法具体为：

将各测值对应的离差和按原始测值序列中的顺序排列，形成所述离差和序列。

4.根据权利要求1所述的一种大坝变形监测中的粗差判别方法，其特征在于：所述基于所述离差和序列的均值和标准差，剔除原始序列中满足粗差判定规则的测值，形成新的测值序列，具体包括：

以离差和是否小于设定阈值为经验准则，将满足条件的离差和对应的测值排除，然后基于原始测值序列中剩余的测值集合形成新的测值序列；

所述设定阈值的计算公式为：

均值-标准差*设定倍数。

5.根据权利要求4所述的一种大坝变形监测中的粗差判别方法，其特征在于：所述设定倍数为2。

6.根据权利要求1所述的一种大坝变形监测中的粗差判别方法，其特征在于：所述将原始测值序列各测值对应的拟合残差与原始测值序列中全体测值的标准差进行比较，基于比较结果判断出粗差，具体包括以下步骤：

当原始测值序列某测值对应的拟合残差与原始测值序列中全体测值的标准差满足下式，则判定该测值为疑似粗差：

|V|≥Z(n)*S

其中，n为原始测值序列中测值总数，Z(n)的取值可以通过查肖维勒系数表得到，V为测值对应的拟合残差，S为原始测值序列中全体测值的标准差。