基于FFT-STL的大坝监测数据时效分量提取与分析算法

研判监测物理量的变化趋势是否向危险方向发展是大坝监测资料定量分析的主要目的,但传统方法易受人为因素的影响。为此,提出了一种基于FFT-STL的大坝监测数据时效分量提取与分析算法,该算法采用FFT算法计算监测数据的周期,并将其作为输入参数传递给STL分解算法,自动提取数据的时效分量,采用不同类型的时效分量模型分别回归拟合优选最佳模型,最后依据变化速率对时效分量的趋势进行研判。经实例分析证明,与传统算法相比,所提算法能准确可靠地反映大坝安全监测数据的变化和发展趋势,且具有更好的适应性。

基于Prophet-GMM的大坝监测数据异常检测算法

大坝监测数据受环境等因素影响,往往存在异常数据,异常数据的检测对于大坝的正常运行起着不可或缺的作用,但是传统异常检测算法对于大坝监测数据往往达不到精度要求。提出了一种基于Prophet-GMM的异常检测算法,利用Prophet算法较好的拟合性能对大坝数据进行拟合,由拟合数据与实测数据求残差序列,再利用GMM算法对残差序列进行聚类,从而准确识别出异常值。结果表明:Prophet-GMM法对于不同类型的大坝监测数据都能准确识别出异常值,与传统检测算法相比,在查准率、查全率及准确率3个检测指标上,均有较为明显的提升。

基于神经网络的测量机器人大坝监测观测值折光修正

测量机器人在水库大坝自动化监测中应用广泛,为确保监测结果的可靠性,需对原始观测值进行折光修正。结合测量机器人自动化监测可提高监测频率、提供大量观测数据的特点,在分析观测值折光影响因素的基础上,构建了神经网络折光修正模型来对原始观测值:垂直角、斜距、水平角进行修正。并利用某水电大坝自动化监测系统展开了试验与验证,选取评价指标对模型修正后观测值精度进行分析。结果表明,对于以垂直角为基础的垂直位移修正,基于神经网络的方法相对于传统的K值修正公式效果明显,最高可提升垂直位移的精度约2 mm。对于斜距修正,基于神经网络的方法有一定的效果,显示出距离越远效果越明显的趋势。对于水平角修正,数据结果表明水平角观测值受折光影响较小,使用神经网络进行修正并不能进一步提高观测值的精度。

基于稳健估计和变量分离的大坝监测数据异常值识别方法

大坝原观监测数据是掌握大坝运行性态最重要的资料,监测数据中的异常值又是分析过程中关注的重点。异常值分为两类,一类由测量误差产生,应给予剔除或补测,避免影响后续分析,另一类由于结构突变产生异常,应高度重视。目前坝工领域主要的异常值识别方法多未考虑结构异常的影响,仅从传统数学统计角度出发,造成识别准确率不高。为此,在深入研究大坝监测数据及异常值特征的基础上,首先采用稳健MM估计消除内外因正常影响,再利用剩余测值前后逐差消除稳定异常影响,最后根据极小值法对剩余值进行异常识别,通过对大坝实测数据的应用,证明了该法可以更有效、稳健地识别测量异常,避免结构稳定异常的干扰。

大坝监测与安全评估技术在水电项目中的应用

当前,CT、GPS、光纤等技术已在各大水电项目中得到应用。各种监测与安全评估技术相互配合,可实现对水电项目建设过程的全方位监测,为项目建设提供可靠保障,帮助水电建设施工队伍全面掌握项目进展,促进工程质量的提升。围绕水电项目建设展开讨论,分析大坝监测与安全评估在水电项目建设中的重要性,结合A水电站项目建设情况,阐述项目建设期间各类技术的应用情况。

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明:通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.0195,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。

基于改进3-Sigma混合模型的水库大坝监测数据智能分析与预警技术研究

水库大坝监测数据的安全阈值范围确定及预警体系构建是大坝安全监测的关键,拟定预警指标阈值的主要任务是根据坝体抵御经历荷载的能力,来评估和预测抵御可能发生荷载的能力,从而确定在该荷载组合下,监控效应量的极值和警戒值。针对水库大坝渗流、渗压、变形等长序列监测数据,本文提出了一种基于改进3-Sigma的混合模型,通过设计离群因子对安全阈值范围进行调控,融入DBSCAN模型,从序列分布和密度两个方向进行分析,提取出序列数据的异常值,确定大坝安全承载阈值范围,然后通过计算自定义预警系数,最终确定预警阈值范围,从而指导水库大坝安全运行管理。试验结果表明:相较于常用的异常值检测模型,混合模型查准率(99%)、F1分数(0.97)、AUC-PR(0.99)三项指标均表现优秀,在大坝安全监测领域具有可行性。

基于深度学习框架的长序列大坝监测缺失数据插补模型

由于系统故障、传感器老化等不利因素常会导致监测数据缺失,从时间序列角度出发,针对大坝监测量中间缺失数据构建了一种基于深度学习框架下的双向CNN-BiLSTM-Attention缺失数据插补模型。该模型结合卷积神经网络与长短期记忆神经网络的算法优势,通过提取时间特征,引入注意力机制优化插补过程,同时以时间步递减的权重融合正反向插补结果。以某混凝土重力坝为例,采用该模型对大坝监测量长序列缺失数据进行插补,结果表明,双向融合插补能有效消除长序列缺失数据插补时间步的累积误差,与其他插补模型相比,这种深度学习模型具有更高的插补精度。

大坝监测数据多维度LSTM异常检测与恢复

大坝安全监测是大坝安全的重要保障,对监测数据进行异常检测与恢复可有效避免对大坝状态的错误估计和判断,具有重要现实意义。近年来基于深度学习方法的大坝监测数据异常检测受到广泛研究,但现存方法存在数据利用不足、信息挖掘不充分等问题。因此,本文提出一种多维度LSTM异常检测与恢复方法,该方法用LSTM输入多个测点的大坝监测数据对单测点数据进行预测,有效利用了不同测点间的相关信息;最后利用拉依达准则对目标测点进行异常检测。本文利用大渡河瀑布沟水电站真空激光准直监测数据进行案例验证,通过与单维度的LSTM异常检测与恢复方法相比较,验证了所提方法能有效地检测数据异常和预测恢复正常数据,是一种有效的大坝监测数据异常检测与恢复方法。

基于影响因子分解法的大坝监测数据异常检测算法

如何快速检测出大坝安全监测系统内的异常数据(例如粗差和告警值)对于大坝安全运行具有极其重要的意义,但传统方法容易漏检较小数值异常而对后续建模产生不利影响。提出了一种基于影响因子分解的异常值检测方法,通过快速小波变换及离散傅里叶变换提取监测序列中的显著趋势与周期,剥离环境因子的影响,构建余项序列,并结合小概率事件思想准确判定余项序列中保留的异常值,从而精确检测出监测序列中较小数值异常。实例验证结果表明:此方法具有较好的实用性与稳定性,各类监测序列中异常检测准确率均达98%以上,查准率与查全率均值分别为93%与92%,与传统检测方法相比,检测精确程度及泛化能力明显提升。

GNSS在水库大坝监测中的应用

水库大坝是水利工程中重要组成部分,在长期蓄水承受的压力较大,如果大坝变形受损可能会发生安全事故,造成巨大的经济损失和人员伤亡。通过GNSS技术的有效应用,可以实现水库大坝实时监测,一旦发现安全问题可以第一时间发出预警,并分析具体影响因素和成因,为后续问题治理提供有效依据。本文就水库大坝监测中GNSS的应用情况展开分析,了解GNSS技术优势所在基础上,在水库大坝监测中有效应用,以求推动我国水利事业高水平发展。

改进的VIP法在大坝监测效应量关键影响因子识别中的应用

合理考虑关键环境量对效应量影响的大坝安全监控模型是大坝安全运行性态在线监控的前提和基础。其中原理简单、计算便捷的加权面积法和灰色关联分析法的理论相对成熟,在关键影响因子识别中应用最为广泛,但其存在稳定性差、抗噪能力弱等问题。因此,提出了变量投影重要性(Variable Importance for Projection,VIP)改进分析法,该方法引入主成分分析和典型相关分析进行信息分解和筛选,结合偏最小二乘回归的优点,能对因子的变化作出合理、符合客观实际的物理成因解释,并以工程实例校验其有效性。应用表明,改进的变量投影重要性分析法具备良好的适用性及抗噪能力,对测点关键影响因子的识别更具稳定性和合理性,有效提高了关键影响因子识别的可靠性。

融合多测点数据相关性的大坝监测历史数据填补

基于历史数据的大坝安全监测预警、预报算法对数据集的质量要求较高,含有缺失值的数据集会明显降低算法结果的准确性。为提升数据质量,提出了一种融合多测点数据相关性的缺失值填补算法:基于各测点时间尺度的相关性,将满足一定相关度的时间序列作为预测模型的输入项,并引入迭代技术实现多测点的缺失值自动填补。为验证该算法对实际工程中不同类型缺失数据集的适用性,依据实测数据样本在缺失率、集中度、离散程度3个层次上共构造了12种不同类型的缺失数据集并进行试验。结果表明:针对不同类型的缺失数据集,该算法的RMSE均值在填补精度上较传统填补算法提升15%以上,nMAPE均值提升1%以上。

基于熵权法和G1法的大坝监测指标权重融合

熵权法求权重能客观地反映实测信息,但不能反映专家意见,而G1法可反映专家的以往经验,但偏于主观。根据熵权法与G1法理论,综合了两种赋权方法,提出一种主客观相融合的大坝监测指标权重融合法,该法简单易行,计算结果较合理。

地基合成孔径雷达大坝监测应用研究

变形监测是滑坡、沉降等灾害监测的重要支撑手段。地基合成孔径雷达干涉测量技术可提供远距离、大范围、连续空间覆盖的形变结果,无需接触观测目标,在变形监测方面具有广阔的应用前景。利用地基合成孔径雷达系统对隔河岩大坝进行了变形监测实验,分析了环境因素的变化对监测结果产生的影响,对环境改正方法进行了比较,通过对改正结果的分析选取了相应的环境改正方法,并对大坝整体的监测结果进行了分析。实验结果表明,地基合成孔径雷达技术可获取高精度的大坝表面整体形变信息,有利于后期对大坝进行整体稳定性分析。

大坝监测分析中的贝叶斯动态模型

本文探讨大坝监测资料的动态分析问题，贝叶斯线性动态模型的建立，递推解法，以及初始先验估计和状态噪声的取值等．从实例的数据看，成果是合理的．

考虑气象因素影响的大坝监测沉降小波分析

为了消除大坝沉降监测数据受温度、湿度及光照等气象因素及外界不确定因素的噪声响应,提出考虑气象因素影响的大坝监测沉降小波分析方法。首先建立原始监测数据与各气象因素的函数关系,进而消去气象因素对坝体沉降的影响,然后采用小波分析对监测数据进行去噪处理,最后得到大坝真实的荷载响应沉降曲线,为大坝稳定性评价提供依据。实例应用表明,考虑气象因素影响的大坝监测沉降小波分析方法能有效地去除气象因素及外界不确定因素引起的噪声响应,比小波直接去噪法效果更佳,与数值模拟计算值能较好地吻合,具有更好的实际应用价值。

基于SSM框架的大坝监测数据管理系统设计

针对目前大坝安全监测存在数据不能实时计算分析、展示,长期运行产生的大量数据主要靠人工整编且易出错等问题,结合现代信息化技术手段,以Java作为服务开发语言,设计了基于Spring+SpringMVC+Mybatis(SSM)框架的大坝安全监测数据管理平台,用于大坝监测数据的管理和分析,实现数据采集、存储、查询、计算分析、绘图、生成报表报告、实时监控及远程展示等功能,同时亦为监测仪器管理提供了可视化界面,方便仪器管理。结果表明,基于SSM框架的大坝安全监测数据管理系统实时反馈效果好,操作便捷,数据存取性能好、可视化程度高,便于大坝监测数据的管理与实时分析,为大坝安全运行与决策提供支撑。

基于大坝监测的无线传感器网络结构的设计

针对大坝安全监测的特点,充分利用多跳和分簇的优势,在对几种典型无线传感器网络进行比较的基础上,提出了一种应用于大坝监测的无线传感器网络结构。功耗、可靠性等性能分析论证了其可行性。

大坝监测数据自回归模型特征根的应用研究

为了通过对大坝监测数据的分析来确定大坝安全监测的安全监控指标,应用时间序列分析方法,采用Levin-son递推方法进行参数估计,对大坝监测数据回归分析模型的残差建立AR(p)模型.根据AR(p)模型特征多项式的根与单位圆距离的变化情况来判断大坝结构性态的变化趋势,并据此进行大坝的安全评价.在应用实例中,拱坝在运行过程中产生的裂缝和对坝体所进行的灌浆加固措施,对坝体结构性态所产生的影响以及变化均能够在分析结果中较好地反映出来,表明在大坝观测数据分析时,可以应用该方法有效地进行大坝结构性态的安全评价.