[发明专利]一种动系统下大坝安全监测数据粗差识别方法

说明书

本发明涉及动系统下大坝安全监测数据粗差识别方法，包括：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及记放水状态下测值序列，并对数据进行归一化处理；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；建立样本训练集和测试集，构建充水监控模型；对放水状态下健康的监测数据，利用支持向量机方法，选择合适的核函数；建立样本训练集和测试集，构建放水监控模型；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；根据拉以达准则识别粗差。本发明能够实现大坝安全监测数据粗差识别。

技术领域

本发明涉及大坝安全监测数据处理技术领域，尤其涉及一种动系统下大坝安全监测数据粗差识别方法。

背景技术

水电站大坝安全监测的主要目的是了解大坝坝体及基础的实际工作状况，尽早发现异常现象并进行必要的处理以确保大坝安全运行，大坝安全监测数据在整理整编、分析、归档前，均需对监测数据的准确性和可靠性进行评判，以保证监测数据能够有效反映大坝运行状况。

传统的大坝安全监测数据粗差识别方法有：

①逻辑判别法。测值超过仪器量程或监测物理量测值超出逻辑合理范围，则存在粗差。

②过程线法。通过绘制观测量与时间之间的关系曲线来直接判断测值是否存在异常点的方法。

③统计判别法。将相同工况下的测值作为样本数据，采用统计方法计算观测数据系列的统计特征值，根据一定准则找出异常值。常用的统计判别法使用的准则有：拉依达准则、罗曼诺夫准则、格拉布斯准则、狄克松准则等。

④最小二乘监控模型判别法。在假设监测数据服从正态分布的情况下，利用最小二乘法，计算其方差S，再通过拉以达准则判别。

上述传统方法的弊端有以下几方面：(1)方法①和②多依赖工程经验，处理大量数据不现实；(2)方法③没有结合实际工程中的环境量影响因素，检验成果可能不符合工程实际；(3)方法④监控模型对非线性影响因素(时效因素)的拟合效果一般；(4)以上方法不适用监测物理量受运行工况影响的动系统下的监测点。

发明内容

本发明的目的是提供一种动系统下大坝安全监测数据粗差识别方法，以解决上述技术问题。

本发明提供了一种动系统下大坝安全监测数据粗差识别方法，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