[发明专利]一种大坝安全监测数据异常识别的预警阈值设置方法

说明书

本发明公开了一种大坝安全监测数据异常识别的预警阈值设置方法，涉及大坝安全监测领域，包括以下步骤：构建基于图基双权估计函数的稳健回归模型；在稳健回归模型的基础上，采用基于位置M估计量的尺度估计量S_T代替剩余标准差S；构建基于稳健回归模型的预测值置信区间半径D；异常预警阈值设置为[‑3S_T‑D，3S_T+D]。本发明方法提高数据异常在线识别的精准度，降低数据异常在线识别的误判漏判率。

技术领域

本发明涉及大坝安全监测领域，特别是一种大坝安全监测数据异常识别的预警阈值设置方法。

背景技术

在大坝安全监测中，监测数据的突变常是大坝结构性态变化的直接表征，在线准确识别测值异常突变是大坝运行安全智能管控的关键问题。目前，大坝安全监测数据异常识别方法众多，包括拉伊特准则法、统计回归模型、突变理论、模糊聚类分析等。基于拉伊特准则的统计回归模型法因能综合反映环境量影响、计算便捷且编程难度小、可靠性较高等特点，在大坝安全监测数据异常在线辨识中最为常用。

统计回归模型是根据有限的效应量与环境量数据构建的确定性关系式，其预测值实质是一个样本估计值，不可能完全精确可靠，一定存在着误差，采用拉伊特准则设置预警阈值主要考虑监测仪器的系统误差和监测工作的随机误差，忽略了模型估计误差。由于效应量本身特征、监测仪器改造等因素，大坝安全监测数据常出现监测量值及变幅均较小的“小量值”数据序列，其模型估计误差大于或与采用拉伊特准则设置的预警阈值相差不大，此时模型估计误差则不容忽视，否则极易出现正常测值误判的问题。

采用拉伊特准则的前提是数据应服从正态分布，而台阶型、震荡型等数据序列的残差序列不服从正态分布，此时采用拉伊特准则设置预警阈值本身就是不合理的，再加上均值和标准差等统计估计量抗离群数据干扰的能力较差等问题，则极易出现异常值漏判问题。

受地震、施工、载荷等赋存环境大幅变化、坝与地基性态改变、监测设备短期测值异常等因素影响，大坝安全监测数据序列常出现单点离群、多点离群、台阶型、震荡型、小量值等多种序列特征，在大坝变形、渗流、应力等测值序列中均较为常见。若仅采用拉伊特准则设置数据异常预警阈值，对样本量大、服从正态分布、量值适中的数据序列，异常在线识别效果非常理想，但对大坝安全监测中常见的台阶型、震荡型、小量值等数据序列则极易出现明显的误判和漏判问题，异常识别可靠性和辨识度差。

发明内容

本发明所要解决的技术问题是提供一种大坝安全监测数据异常识别的预警阈值设置方法，解决正常测值误判和异常测值漏判的问题，提高数据异常在线识别的精准度，降低数据异常在线识别的误判漏判率。

为解决上述技术问题，本发明采用的技术方案是：

一种大坝安全监测数据异常识别的预警阈值设置方法，包括以下步骤：

步骤1：构建基于图基双权估计函数的稳健回归模型；

通过历史效应量及环境量建立的回归模型如式(1)所示：

Y＝Xβ+μ (1)

式中，Y为由历史观测值构成的效应量向量；X为历史环境量变量矩阵，β为系数向量；μ为随机误差项；

采用M估计法求解稳健回归模型，则其系数向量的估计值为：

式中，W为等价权矩阵，采用图基双权函数计算；

步骤2：在稳健回归模型的基础上，采用基于位置M估计量的尺度估计量S_T代替剩余标准差S；基于位置M估计量的尺度估计量S_T的计算公式如下：