[发明专利]一种大坝安全监测数据智能预警方法

权利要求书

1.一种大坝安全监测数据智能预警方法，其特征在于：包括预警模型建立、阈值拟定和互馈式预警；

预警模型包括：

a、根据历史监测数据建立模型；

b、粗差识别：对数值上表现出很大的异常，与合理值明显相悖的数据采用逻辑判别法、物理判别法和统计判别法进行分析处理；

c、粗差处理：经粗差识别得到的异常数据，采用测量值引用法、模型生成法和代数插值法进行替换与补充，然后再用这些数据建立模型；

d、自变量因子集初选：根据大坝结构参数、监测项目、测点所在位置对自变量因子进行初步筛选；

e、因子检验与模型选择：对因子采用独立性检验、正态性检验和样本容量检验，并根据自变量因子检验结果进行模型选择，模型包括逐步回归模型、灰色系统模型和相关向量机模型；

f、模型参数计算：模型参数计算方法视具体选用的模型而定，其中，对于逐步回归模型，各个自变量因子之间相关性不明显时，选用普通最小二乘法求解模型参数，当模型各个自变量因子之间相关性比较明显时，选用偏最小二乘或主成分回归，对于灰色系统模型，选用普通最小二乘法确定模型的参数向量，对于相关向量机模型，选用EM迭代法进行参数的求解；

g、模型检验：通过预警精度、鲁棒性和泛化性对模型进行检验，其中，预警精度的指标包括复相关系数R与剩余标准差S，复相关系数R度量了因变量同自变量的相关程度，取值范围是[0，1]，采用模型拟合后的均方误差RMSE衡量模型的鲁棒性，泛化性的指标是通过模型对新样本拟合后的均方误差RMSE为模型的3倍剩余标准差内进行量化；

h、预警模型指标：任一时刻由预警模型求得大坝变形、渗流和应力效应量的计算值y与该时刻实测值y_t进行比较，得到|y-y_t|，根据概率统计理论，|y-y_t|落入[0，2S]的概率为95.5％，落入[0，3S]的概率为99.7％，其中S为预警模型的标准差，并按以下几种情况对大坝结构性态进行预警：

(1)正常：|y-y_t|≤2S；

(2)基本正常：2S＜|y-y_t|≤3S，实测值无趋势性变化；

(3)异常：2S＜|y-y_t|≤3S，实测值有趋势性变化；

(4)险情：|y-y_t|＞3S，应分析其成因；

阈值拟定：对监测数据年度最大值和最小值进行正态性检验，对于符合正态分布的监测数据，采用典型小概率法，拟定监测阈值；

互馈式预警包括：

(1)对实测数据进行粗差识别，对于识别出的粗差数据，发出测值异常预警，并提醒监测人员应检查仪器；

(2)对经过粗差识别的实测数据，进行监测数据预警，包括阈值预警和模型预警，如连续两次超阈值或模型指标，则发出测值异常预警，并进行加密测量；

(3)对加密测量的数据进行监测数据预警，如超阈值和模型指标，则搜索所有关联测点，获取其实测数据；否则消警；

(4)对所有关联测点实测数据进行监测数据预警，如有关键测点的实测数据超阈值或模型指标，则发出大坝安全预警；否则，发出测值异常预警，并提醒监测人员加强监测。

2.根据权利要求1所述的一种大坝安全监测数据智能预警方法，其特征在于：所述粗差识别中，逻辑判别法是对仪器故障产生的异常数据进行识别，对于有明确的量测范围的仪器，判别的合理测量值为量程的1.2倍，若超出则认为存在粗差，对于无明确的量测范围的仪器，判别的合理测量值为被监测物理量的测量值的逻辑范围，若超出则认为存在粗差；物理判别法包括环境量判别、同环境量下比对、临近测点比对和基本规律识别；统计判别法建立在随机样本测定值遵从正态分布和小概率原理基础上，相同环境量下，根据测量值的正态分布特征，出现大的偏差值概率很小，根据小概率原理，有大的偏差值则表明测量过程有异常，认定为异常值，并采用狄克松准则、格拉布斯准则、拉依达准则。

3.根据权利要求1所述的一种大坝安全监测数据智能预警方法，其特征在于：所述粗差处理中，对于自变量数据，优先采用测量值引用法，若历史数据中无环境量相同时期，则采用代数插值法，对于因变量数据，同样采用选择测量值引用法，其次为模型生成法，最后考虑代数插值法，测量值引用法是通过在无趋势性变化的平稳时间序列，寻找临近历史上环境量相同的对应测量值取代本次测量值。