[发明专利]一种大坝安全监测数据智能预警方法

说明书

本发明公开了一种大坝安全监测数据智能预警方法，包括预警模型建立、阈值拟定和互馈式预警，通过粗差识别、粗差处理，提高模型样本数据质量，根据监测项目、自变量关联性、历史监测数据数量、历史监测数据分布，建立不同的预警模型及指标：逐步回归模型、相关向量机模型、灰色系统模型，所建模型能够更加真实地反映自变量与应变量之间关系，适用范围广，根据测量仪器、测点属性、阈值、预警模型及指标，对监测数据进行实时预警，向监测人员发送监测仪器异常预警，或向大坝安全管理人员发送大坝安全预警，且不需要具有专业知识和丰富经验的专家，工作量少，预警速度快，预警结果更加准确、可靠。

技术领域

本发明涉及大坝安全监测技术领域，具体为一种大坝安全监测数据智能预警方法。

背景技术

水库大坝是国民经济的重要基础设施，是调控水资源时空分布和优化水资源配置重要的工程措施，是国家防洪抗旱减灾体系和江河防洪工程体系的重要组成部分，水库大坝安全不仅关系到防洪安全、供水安全、粮食安全，也关系到经济安全、生态安全和国家安全。在大坝安全监测过程中，会产生一些异常数据，这些异常数据可能是由于仪器故障、环境影响或人为失误造成的错误数据，也可能确实是大坝险情的真实反映。

目前，对于这些异常数据，主要采用人工方式识别，并判别这些数据是否由大坝险情引起的，也有一些信息系统，采用简单的方法进行预警：实测数据与已制定的阈值进行比较；采用逐步回归算法，建立统计模型，再用实测数据与模型预测值比较，这些方法中，阈值范围比较大，建立统计模型时监测数据未经过预处理，模型因子选择考虑因素少，所建模型精度低，仍然需要人工处理，直接采用人工处理，或是经过阈值控制或统计模型预警，再进行人工处理，都需要花费大量人力，且需要有专业知识和丰富经验的专家才能从中判别异常数据产生原因，所述急需一种大坝安全监测数据智能预警方法来解决上述问题。

发明内容

本发明提供一种大坝安全监测数据智能预警方法，可以有效解决上述背景技术中提出的目前，对于这些异常数据，主要采用人工方式识别，或是经过阈值控制或统计模型预警，再进行人工处理，都需要花费大量人力，且需要有专业知识和丰富经验的专家才能从中判别异常数据产生原因的问题。

为实现上述目的，本发明提供如下技术方案：一种大坝安全监测数据智能预警方法，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；