[发明专利]一种动系统下大坝安全监测数据粗差识别方法

权利要求书

1.一种动系统下大坝安全监测数据粗差识别方法，其特征在于，包括蜗壳周围布设钢板计测值粗差识别，所述蜗壳周围布设钢板计测值粗差识别包括如下步骤：

(1)分别人工选取两种运行状态下，钢板计测值变化规律性正常的数据序列，记充水状态下测值序列为记放水状态下测值序列为并对数据进行归一化处理；

其中：中包含上游水位H、温度T、时间t；

中包含钢板计应力测值；

(2)对充水状态下健康的监测数据，利用支持向量机方法，构建综合核函数，综合核函数表达式如下：

(3)建立样本训练集和测试集，构建充水监控模型，记为充水监控模型预测值，包括：

①在基础优化目标的情况下，增加惩罚项，优化函数为：

S.t.g_i(ω,b)＝1-y_i(ω^TX_i¹+b)-ξ_i≤0,ξ_i≥0,i＝1,2...,n

其中，ξ_i为松弛变量，C为惩罚因子；

②构造Lagrange函数，并将其转换为对偶问题

S.t.λ_i≥0μ_i≥0

其中λ_i和μ_i为Lagrange乘子，ω、b和ξ_i是主问题参数；

根据强对偶性，将构造的Lagrange函数转换为

③对上述对偶问题中w、b和ξ_i求偏导数，并令偏导数为0；

C＝λ_i+μ_i

④将过程③所得结果带入Lagrange函数中，得到Lagrange乘子；

⑤将Lagrange乘子带入过程③中等式，求得ω和b,最终求得超平面方程表达式ω^Tx+b＝0，令y＝ω^Tx+b即为充水状态下监控模型；

⑥根据以上SVM理论，编制程序分别形成:SVMtrain[x,y,K(x_i,x_j),C]和SVMpredict[x,y,SVMtrain]函数；其中：x,y为归一化后数据，K(x_i,x_j)为综合核函数，C为惩罚函数的惩罚力度；

⑦调用SVMtrain和SVMpredict函数，计算预测值，并对预测值反归一化，记为充水监控模型预测值；

(4)对放水状态下健康的监测数据，同充水状态一致，选择综合核函数；

(5)建立样本训练集和测试集，构建放水监控模型，记为放水监控模型预测值，同充水状态模型建立过程；

(6)设置状态转换开关，实现充水状态调用充水监控模型、放水状态调用放水监控模型；

(7)根据拉以达准则，若钢板计应力测量值y_i所对应的剩余残差则将该测量值判为粗差；上式中将y_i替换为监控模型预测值利用贝赛公式计算所得S代替σ；针对某可疑值，若满足：

其中

则y_i含有粗差，予以处理。