[发明专利]一种基于大数据分析的大坝安全分析方法

说明书

本发明公开一种基于大数据分析的大坝安全分析方法，包括以下步骤：1)取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；2)利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；3)利用大数据平台的回归算法，计算拟合出安全监测量与环境监测量之间的统计方程；4)读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值y_t；设其剩余标准差为S，将实测值与理论计算值作差，得|y‑y_t|，比较|y‑y_t|和S之间的关系，5)根据步骤4)中的关系判断大坝是否正常；该基于大数据分析的大坝安全分析方法利用大数据分析，降低了数据拟合的难度。

技术领域

本发明涉及一种基于大数据分析的大坝安全分析方法。

背景技术

传统的水工安全评价一般通过人工判断或经过经验公示进行预警阀值计算，得到预警阀值后与实际监测数据值进行比较，超过预警指即判断为水工不安全。此类方法存在的问题如下：1、过于依赖人工经验，如果经验不适合本工程，即出现无法进行预警预判的情况2、经验公式固定，无法根据实际运行数据进行动态更新，随着时间周期拉长，判断准确性越来越差3、每个水库大坝，都得去做定性和定量的经验分析，没有办法形成通用的工具或系统，无可适性可言。

发明内容

本发明要解决的技术问题是提供一种利用大数据分析，降低了数据拟合的难度；利用大数据分析平台和工具，进行持续迭代分析，提升了大坝安全分析的精准性和时效性；为大坝安全的评价和预测提供了手段的基于大数据分析的大坝安全分析方法。

为解决上述问题，本发明采用如下技术方案：

一种基于大数据分析的大坝安全分析方法，其特征在于：包括以下步骤：

1)取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；

2)采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；

3)利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；假定通过大数据分析得到的多元回归方程如下：

y＝f(H,T,t)；

其中，y为安全监测量，H、T、t分别为水位、时间和温度三个主要的环境影响因素；

4)读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值y_t；设其剩余标准差为S，将实测值与理论计算值作差，得|y-y_t|，比较|y-y_t|和S之间的关系；

5)根据步骤4)中的关系判断大坝是否正常。

作为优选，所述历史环境量监测数据为水位、时间和温度中的一种或多种，所述安全监测量数据为位移和渗压中的一种或多种。

作为优选，还包含有步骤6)每组新的监测数据采集上来的时候，均循环进行上述的异常判断步骤和多元回归方程拟合调整步骤。

作为优选，还包含有步骤7)利用大数据拟合得到的多元回归方程y＝f(H,T,t)，计算出安全监测量的预测值。

作为优选，所述步骤5)中的判断方式的具体步骤为：

5.1)根据3δ准则，如果|y-y_t|＞3S，则判定此值为异常，否则认为该组数值为正常数据；

5.2)若当前数组判断为正常时，将该组监测数据并入到时间序列数组中，对多元回归公式进行进一步的拟合调整，生成新的多元回归方程；