基于高通量监测数据的PMF源解析数据输入量研究

为探究数据输入量的变化对源解析结果的影响,以上海某工业区的大气重金属高通量监测数据为例,按不同数据量将监测数据分别输入至正定矩阵因子分解(Positive Matrix Factorization, PMF)模型中,通过考察模型中Q理论值(Qtheo)与Q计算值(Qtrue)的接近程度、源分类以及源贡献与研究区污染源分布特点的吻合情况,分析数据输入量对源解析结果的影响。结果显示:该区域大气重金属污染受工业生产主导(64.44%),其次是扬尘(19.60%)和交通运输(15.96%)。通过对数据量的考察,发现输入量为60~120时能够得出研究区域的污染源数量与贡献率,但考虑到测试成本、获取数据的时间,认为输入量为60~80时,也能得出合理的源解析结果。短期高通量的分钟级数据集,有益于PMF模型输出高精密度、高时效性的源解析结果,是解决应急污染监控的最佳手段。

基于时间序列压缩分割的监测数据异常识别算法研究

为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。

配电网监测数据索引集群的分布缓存方法

针对配电网监测数据急剧增加导致配电网监控系统响应时间过长的问题,本文提出一种热点数据部分链表分布缓存方法。首先,引入缓存技术并分析原有热点数据链表缓存方法的局限性,提出一种新的缓存方法以提高缓存管理效率;然后,设计预热查询实现索引系统的热启动从而提高索引系统的缓存命中率;最后,以配电网监测数据为算例,验证所提方法的效果。测试结果表明,所提出的缓存方法及设计的预热查询能在不同查询条件下大幅减少索引集群的查询时间,有效提高配电网监测数据索引集群的查询效率。

基于多源监测数据的短时雷电精准预警算法设计

为保证雷电预警的精准性,为气象局提供可靠的预警信息,提出基于多源监测数据的短时雷电精准预警算法。该算法利用多普勒天气雷达、闪电定位系统以及大气电场仪,采集雷电的多源监测数据;将采集的数据传送至数据管理模块中,采用联合卡尔曼滤波算法,融合多源监测数据;预警展示模块以融合后的数据为基础,通过多变量局部异常系数方法进行雷电的精准预测,并呈现雷电的预警结果。测试结果显示:该算法概率均值结果与临界成功指数结果分别在0.90与0.915以上,能够较好地完成多源监测数据融合,预警雷电发生范围,提升雷电预警精准性。

基于监测数据的广州软土基坑深层水平位移分析

软土基坑工程开挖会引起土体应力的重新分布,表现为地层的移动、地面沉降、围护结构变形等。以广东省广州市南沙区软黏土基坑为例,通过监测分析预应力管桩、灌注桩加1~2道扩大头预应力锚索支护形式的基坑水平变形特征,研究结果表明:软黏土地区地基中采用联合支护形式,土体变形主要发生在开挖面以上,沿围护桩深度呈中间大、两端小分布,最大水平位移靠近基坑开挖底。基坑开挖影响范围约为2.5倍基坑开挖深度,在2.5倍开挖深度以下,土体水平位移可忽略不计,开挖对深部土层的影响较小。实际上,基坑开挖是一个复杂的动态系统,深层土体位移随开挖过程不断变化。在施工过程中应加强监测,确保周围建筑物的安全。

电力设备多参量监测数据清洗研究现状及展望

基于电力设备多参量监测数据,开展电力设备态势感知工作是提高设备检修效率、消除故障隐患、保障电力系统安全稳定运行的重要途径之一。然而,数据采集、传输与存储过程中受到的各类干扰导致原始监测数据中存在大量的偏差与缺失,进而影响态势感知准确性,亟须通过数据清洗提升数据质量。在综合分析电力设备多参量监测数据清洗领域文献的基础上,概述了电力设备多参量监测数据质量影响因素。对电力设备多参量监测数据清洗的通用框架进行了总结,该框架包括多参量相关性分析、异常数据检测、异常数据分类和“脏”数据修复4个环节,对各环节的常用方法进行了对比分析,并介绍了特殊应用场景下的数据清洗方式。探讨了提升数据清洗效率的2种方式,分析了电力设备多参量监测数据清洗研究领域面临的主要挑战,对未来发展趋势进行了展望。

考虑监测数据时序特征和空间分布的堆石坝参数反演研究

随着安全监测技术的发展,柔性智能位移计、管道机器人等新型监测技术逐步被用于堆石坝的安全监测。高堆石坝在其生命期内中积累了海量的监测数据,充分利用这些数据,开展参数反演分析,可以提高堆石坝数值模拟的准确性,有助于合理评估堆石坝安全性态。论文基于时间序列聚类从海量监测数据选择有代表性、多样性的测点组合,提取时序特征构造目标函数,反映堆石坝变形的时空演化特性,采用多目标优化算法进行堆石坝各分区的材料参数反演。与现有参数反演方法相比,本文方法能合理利用堆石坝大量监测数据,充分反映其在填筑、蓄水和运行过程中的变形发展和空间分布特性,基于反演分析的材料参数其计算沉降值与实测值吻合良好,能够显著提升参数反演的精度。

基于相似测点对比的大坝变形监测数据粗差识别方法

针对混凝土坝变形监测数据粗差检测方法难以区分粗差和环境突变引起的数据跳跃问题,提出了一种基于K-means++距离聚类算法分区,采用OPTICS密度聚类算法结合局部异常因子(LOF)算法识别监测数据中粗差的大坝变形监测数据粗差识别方法。该方法通过K-means++算法实现测点区域划分,联合使用OPTICS算法和LOF算法进行粗差确定,通过对比属于同一分区不同测点的粗差出现时间来判定真实粗差。算例分析结果表明,该方法能有效鉴别变形监测数据中由环境突变引起的数据跳跃,显著提高粗差识别的准确性,降低粗差误判率。

高速铁路桥梁车致加速度响应监测数据分类方法研究

为提高不同列车过桥时基于车致加速度响应的桥梁结构损伤识别准确性,提出了一种基于加速度传感器的高速铁路桥梁车致加速度响应监测数据分类方法。该方法根据桥梁结构健康监测系统中加速度传感器监测数据幅值的变化趋势,在监测数据时程曲线中确定2个标记点,将标记点对应的时间分别作为列车抵达和驶离传感器的近似时间,然后通过2个不同位置加速度传感器的标记点识别出高铁列车的相对车速、行驶方向和编组数量,并据此对桥梁结构车致加速度响应监测数据进行分类。将该方法应用于商合杭客专裕溪河特大桥健康监测系统中,实现了对不同列车荷载作用下的桥梁结构车致加速度响应监测数据的程序化自动分类,识别出的列车编组数量和行驶方向与现场视频监控结果一致。

基于无相位谐波监测数据的谐振源辨识方法

针对电网中大量谐波监测数据因缺乏相位信息难以实现电网谐振监测的技术难题,提出了一套计及主导系数、相关系数及敏感度指标的电网谐振源辨识方法。首先,基于多谐波源谐振分析模型,分析了谐振状态下谐波参数的相关特性与回归特征,提出了计及主导系数的强主导谐振状态判别方法。其次,论证了强主导谐振状态下的谐波阻抗特征及数据特征,构建了融合机理模型和谐振数据特征的电网谐振状态及谐振源辨识方法。最后,基于建模仿真和工程案例验证,在背景谐波对母线谐波电压贡献率小于20%的工况下,敏感谐振支路和敏感谐波源的耦合谐波阻抗测量偏差小于2%,所提方法能够准确辨识谐振状态及谐振源。

基于EMD-ABOD的大坝异常监测数据识别方法研究

大坝监测数据普遍存在异常值,对异常数据进行识别和剔除,可保持模型的稳定性和可靠性,并提高模型的预测或分类性能;同时,可及时发现异常情况,以保证系统的安全运行。因此,将基于角度的异常值检测算法(ABOD)引入大坝监测异常数据识别,首先通过经验模态分解(EMD)提取监测数据的高频本征函数,然后对由高频本征函数构成的新数据进行异常数据识别。对长河坝沉降监测数据的验证结果表明,与其他方法相比,EMD-ABOD可有效提升异常数据识别的准确性。

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InSAR监测数据的采煤沉陷特征及稳定性分析——以江苏省沛县矿地融合示范区为例

为查明江苏省沛县采煤沉陷区时空发育特征、发展趋势及其危险程度,更好地指导地质灾害防治与生态环境修复工作,在煤矿开采资料分析和野外调查成果的基础上,开展基于多期Sentinel-1卫星的合成孔径雷达干涉测量数据技术的地表沉降监测。通过采煤沉陷区2018—2022年InSAR监测数据进行地表变形分析得知:2018—2022年,采煤沉陷区地表已沉降0.139~0.558 m,2022年6—12月采煤沉陷区地表沉降速率为0~2.159 mm/d;已稳沉沉陷区(老采空区)沉降量已接近最大值,沉降速率逐渐减小并趋于0,未稳沉沉陷区(新采空区)沉降量和沉降速率从0开始并逐渐增大;2022年底尚存在未稳沉沉陷区面积约18.45 km 2,主要分布在张双楼煤矿等煤矿近5 a开采区域。采煤沉陷区InSAR监测数据可以较好地反映这一时期的变形特征,研究可为沛县采煤沉陷区综合治理工作提供科学依据,亦可为其他类似区域采煤沉陷区特征分析和综合治理工作提供参照。

大坝安全监测数据降噪的流形学习方法

针对大坝变形、渗流、应力应变等安全监测数据难以避免受到噪声污染,且传统线性降噪方法去噪效果不佳的问题,提出了基于相空间重构与流形学习相组合的大坝安全监测数据非线性降噪方法。该方法在重构大坝安全监测数据时间序列相空间的基础上,通过交叉应用局部切空间排列方法与极大似然估计、自适应邻域等方法,以重构的相空间为桥梁,提取大坝安全监测数据序列深层次信息,得到降噪后的大坝安全监测数据。工程实测数据验证结果表明,相比小波软阈值法和固定邻域-LTSA法,本文提出的方法降噪效果更优,具有一定的工程应用价值。

一种基于类小波变换的无线电频谱监测数据无损压缩方法

无线电频谱监测海量数据存储和分析是无线电监管工作的重要组成部分。频谱数据具有时间相关性以及不同频点间的相关冗余,对此本文设计了一种基于类小波变换的无线电频谱监测数据无损压缩方法。该方法首先基于时间相关性将一维频谱信号转换成二维矩阵;转换成二维矩阵后数据在水平方向以及垂直方向都存在冗余,算法采用卷积神经网络来代替传统小波中的预测和更新模块,并引入了自适应压缩块来处理不同维度的特征,从而获得更紧凑的频谱数据表示。研究进一步设计了一种基于上下文的深度熵模型,利用类小波变换不同子带系数获得熵编码参数,以此估计累积概率,从而实现频谱数据的压缩。实验结果表明,与已有的Deflate等传统频谱监测数据无损压缩方法相比,本文算法有进一步的性能提升,与典型的JPEG2000、PNG、JPEG-LS等二维图像无损压缩方法相比,本文所提出的方法的压缩效果也提高了20%以上。

ECharts多端图表引擎在变形监测数据可视化中的应用

数据可视化已成为变形监测中数据分析的重要环节之一。ECharts具有丰富的可视化表达方式和高度个性化的定制功能,且兼容当前绝大多数浏览器及多种设备,目前广泛应用于各类信息系统。本文基于ECharts、Vue和Node.js技术,构建了多端图表可视化引擎,实现了多种变形监测数据在前端网页应用平台的图形展示和后端服务器的可视化流输出。测试结果表明,本文研发的可视化引擎能更加快速、形象、直观、有效地展示出监测体的变形情况,丰富了变形分析的研判手段,辅助管理人员开展决策,具有重要的实用价值和现实意义。

基于多源监测数据的城市轨道交通车站客流解析方法

针对目前城市轨道交通车站内混合交叉流线条件下,不同流向的客流难以实时观测的问题,提出基于多源监测数据的车站客流解析方法。首先,利用来源于自动售检票系统、智能视频、列车称重系统的客流监测数据,基于客流特性与客流时空关联关系,构建车站分向客流估计模型;进一步,运用计算图结构将模型抽象成一种具有时空维度的多层次客流网络,并提出基于前向传播和反向传播技术的模型循环迭代求解算法。最后,针对G市某换乘站进行案例研究。结果表明:所提出的方法可以自多源监测数据中逐时段解析车站分向客流;全天72个时段客流估计结果与实际监测情况的平均绝对百分比误差不超过10.24%,平均值在0.41%左右。

基于监测数据的重力坝施工期-蓄水期-运行期工作性态仿真分析

在“双碳”背景下,由于抽水蓄能电站大坝初次蓄水后运行水位升降变化频繁,致使大坝不同阶段边界条件不断变化,其施工期-蓄水期-运行期工作性态值得重视和研究。针对这一问题,以周宁抽水蓄能碾压混凝土重力坝为例,结合监测数据分析和三维有限元仿真计算程序Saptis,对重力坝施工期-蓄水期-运行期工作性态进行全过程研究分析。结果表明:施工期混凝土实际监测温度与仿真计算温度过程基本吻合,混凝土最高温度受浇筑季节和材料分区影响,混凝土最大应力不超过1.5 MPa,满足抗裂要求;蓄水期水位以下混凝土表面温度基本等于库水温,随着库水温变化而发生周期性变化,水位变化区的混凝土变形和应力随着水位的变化而变化;长期运行后,大坝变形逐渐增大,坝顶最大可达到16 mm,大坝混凝土长期应力小于混凝土允许应力,抗裂安全满足要求。

基于APSO-Robust-ELM的大坝变形原始监测数据粗差识别方法

针对大坝原始监测数据普遍存在粗差的问题,提出了稳健估计与极限学习机相结合的粗差识别方法;并在此基础上,利用自适应粒子群算法寻找神经网络的最佳隐含层节点数;最后利用大坝安全预测模型验证所用方法的必要性和适用性。在工程实例分析中,将APSO-Robust-ELM法与Robust-ELM法、罗曼诺夫斯基准则和拉依达准则的处理结果进行对比,结果表明,APSO-Robust-ELM法能够更好的识别原始监测数据中的粗差,从而提高大坝安全运行的管理效率。

智慧工地车辆冲洗监测数据异常影响因素研究

本研究以智慧工地车辆冲洗监测数据为研究对象,对数据的异常进行了分析,并全面探讨了影响车辆冲洗监测数据质量的各种因素。通过对南京市智慧监管平台中在建工程数据的具体分析,揭示了人为因素、设备因素、材料因素、方法因素以及环境因素可能对监测数据产生的潜在影响,并提出相应对策,期望提升智慧工地车辆冲洗监测数据的质量。