基于隶属云的安全监测异常数据识别方法研究

传统3σ准则在监测序列异常数据识别上应用广泛,但其仅适用于符合正态分布的数据序列。然而由于监测数据质量易受环境、设备和外在受力等因素影响,不可避免会出现含离群点的监测序列,传统方法对于含较多离群点的"台阶型"、"振荡型"序列则极易出现漏判现象。通过引入隶属云发生器,结合隶属云3b准则对监测数据进行初筛,以监测数据序列的期望和带宽序列的均值构造控制函数,提出了基于隶属云的监测数据异常识别算法,并将其应用于龚嘴水电站位移和渗流监测。结果表明,该方法较传统3σ准则在异常数据识别上精度及可靠性提升明显,相关经验可供类似工程安全监测参考。

基于云模型的混凝土坝变形安全评价方法研究

变形监测是混凝土坝的主要安全监测项目之一,拟定科学合理的混凝土坝变形监控指标,对准确识别险情、保障大坝安全具有重大意义。针对混凝土坝变形监测信息中普遍存在的不确定性问题,引入云模型理论,利用正态云期望曲线和内外轮廓线设置了监测序列评判的等级阈值,提出了基于云模型的混凝土坝变形安全评价方法,并将估计量应用于对云模型适应性较差的波动型监测序列,提升了模型的可靠性。实例分析表明,云模型对规律型数据、处理后的波动型数据以及台阶型数据均有较高的精度。模型同时考虑了监测序列的总体分布情况以及由于外界因素导致的监测数据时空上的不确定性,较传统方法具有更强的适用性。

基于稀疏偏最小二乘的大坝安全监测模型研究

传统逐步回归、偏最小二乘回归等多元线性回归模型在大坝安全监测资料分析中应用最为广泛,但其存在抗噪能力弱、稳定性差、模型解释性不强等问题,对含较多离群点的异常波动型、台阶型数据拟合精度往往不高。针对上述问题,文章提出了稀疏偏最小二乘回归模型,通过偏最小二乘提取监测数据中最具解释能力的环境量,然后在此基础上加入惩罚函数,删除无关变量,并将其运用于不同典型测点序列。结果表明,该方法较逐步回归、偏最小二乘回归在模型解释性上提升显著,对于异常波动型、台阶型数据拟合、预测精度均有所提升,相关经验可供类似工程安全监测参考。

多流域中小型电站坝群安全智能监测与集控管理模式研究

针对目前中小型水库坝群普遍存在安全智能感知能力差、安全监测资料使用率低、专业分析欠缺等问题,本文融合接触式和非接触智能监测技术,提出了一种集实时监测-定期巡检-应急响应于一体的多流域中小型电站坝群安全智能监测与集控管理模式。研究成果对中小型水库坝群安全智能监测与集控管理具借鉴意义。

基于偏最小二乘回归的大坝安全监测数据缺失迭代修补方法研究

安全监测数据是大坝安全性态的重要表征。监测设备故障、监测缺测、数据明显错误被剔除等原因造成大坝监测数据序列不连续,导致无法反映数据缺失时段的大坝安全运行性态。文章基于偏最小二乘回归基本原理,引入迭代修补思路,提出了基于偏最小二乘回归的缺失数据迭代修补方法,有效解决了传统缺失数据修补方法在缺失比例高、模型拟合精度差等情况下修补精度差的问题。工程校验表明,该方法具有修补精度高、适用于较大缺失比例数据序列等特点。