考虑时间序列关联的大坝监测异常数据清洗

针对传统大坝安全监测中异常数据清洗方法主要分析单一监测效应量,较难区分粗差和环境突变引起的异常值,提出一种利用关联规则约束和引导大坝安全监测异常数据清洗方法。首先,通过关联规则辨识强关联性序列,结合基于密度的聚类算法识别序列中异常数据;然后,根据关联序列异常数据清洗规则,辨识大坝安全监测中粗差数据,并利用基于粒子群优化最小二乘支持向量机模型重构异常数据。最后,对大坝典型位移量数据进行异常数据清洗。结果表明:该方法能够甄别监测效应量中环境突变引起的异常值,提高了大坝安全监测数据中数据清洗的准确性。     

基于M-ELM的大坝变形安全监控模型

针对大坝变形监测数据存在的非线性强、异常值诊断和剔除工作复杂及传统监控模型抗粗差能力差等问题,结合稳健估计理论抗粗差性强和极限学习机在处理非线性问题方面的优势,建立了基于稳健估计极限学习机的大坝变形安全监控模型。试验确定网络隐含层层数,构建4次方损失函数,采用加权最小二乘法计算输出权值,实现原始监测数据的拟合和预测。以某工程大坝变形监测数据为例进行建模分析,结果表明:以反映模型预测精度的均方误差和平均绝对百分误差及反映模型鲁棒性的中位数绝对偏差作为评价指标,基于稳健估计极限学习机的大坝变形安全监控模型的各项指标明显优于对比模型。     

大坝监测量最佳统计模型优选方法

现有报导的大坝监测量数学模型主要以拟合精确性为目标,忽略模型简单性原则的定量分析.本文从系统论角度出发,提出一种以模型拟合良好性、检验有效性以及模型简单性三方面为优选原则的大坝监测量最佳统计模型优选方法.首先将监测数据系列划分为回归数据与检验数据,依据先验知识确立统计模型优选集合,然后通过回归或优化方法,基于回归数据系...     

大坝变形监测异常数据识别和重构模型

针对混凝土坝变形监测数据中的粗差和异常测值问题,提出了一种数据异常识别和重构模型。模型利用关联规则量化变形序列与水位序列的关联性,将监测数据输入DBSCAN聚类算法寻找异常点,利用关联结果将监测数据异常点分为粗差点与反映大坝性态点两类,保留反映大坝性态点,剔除粗差点,并利用改进的小波神经网络对粗差数据进行重构,保证监测序列完整性。某拱坝变形监测数据验证结果表明,该模型可以准确识别监测数据中的异常值,并能够获得更为准确的重构数据,为大坝实测性态评价提供了新的分析方法。     

基于图像处理技术的大坝监测数据粗差识别

为实现大坝长久稳定的安全服役, 避免监测资料中的粗差对大坝安全监测结果产生影响, 需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生, 通过模仿人工识别数据粗差的过程, 运用程序设计语言, 提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理, 再提取主要趋势线, 最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料, 运用该方法对其进行粗差识别, 并与传统 3R 识别准则的粗差识别效果进行对比。算例结果表明: 该方法对数据粗差的识别效果更加显著, 避免了粗差漏判情况的发生, 对粗差的剔除更彻底; 利用该方法识别后得到的统计模型复相关系数为 0.999, 标准差为 0.192, 模型精度更高, 也更符合工程实际情况。因此, 该方法具有一定的工程应用前景和实用价值。     

基于人工免疫模式的大坝监测数据粗差识别

粗差的存在会对大坝安全监测的结果造成较大的影响,而现今传统的粗差识别方法还存在着操作繁琐、应用数据类型有限、易少判误判等缺陷。因此,为了弥补传统粗差识别方法的不足,提高粗差识别的效率,采取了借鉴人工免疫的工作模式对监测数据进行分层打分的方法,将其与现有粗差检验方法结合,提出并设计出基于人工免疫模式的多层粗差检验法。以实际工程大坝水平位移监测数据的粗差识别为例,对工程的水平位移监测数据进行粗差识别。算例验证结果表明:这种新型的多层粗差检验法对大容量数据的粗差识别操作更为简便、效率更高。与传统粗差识别相比,其数据识别种类变广,而且其多层打分的检验模式使得识别结果更为严谨,可以有效减少粗差错判少判的情况。     

大坝滑坡体监测数据的统计诊断

针对大坝滑坡体的监测资料分析,介绍了数据统计诊断方法,并对滑坡体的监测数据进行了异常值检验。结果表明,诊断异常点之后,模型的可靠性和精度有所提高。进一步对模型进行改进,选择了适合滑坡体位移分析的较佳模型。     

大坝安全监测数据粗差识别技术研究

介绍了目前大坝安全监测数据处理工作中几种常用粗差识别技术的优缺点及适用范围,并针对这些常规方法中所存在的不足,采用时空判别技术和基于稳健性处理方法的粗差识别技术,对粗差数据进行判别。其中时空判别技术充分利用了观测序列本身的时空基本信息,将观测值与历史的或相邻的观测数据相比较来判别粗差;基于稳健估计算法的监控模型判别法克服了经典的最小二乘法所存在的抗粗差干扰性差这一缺点,在最小二乘回归的基础上逐步按残差大小加稳健化权,迭代求得模型参数的稳健估计,这一估计值最接近于无粗差影响时的正常估值。隔河岩大坝安全监测数据的实例分析表明,这些方法具有较强的粗差识别能力。     

基于统计学方法处理大坝安全监测中粗差问题

在大坝安全监测的过程中,由于受到诸多因素的影响,会出现粗差,必须有效识别和处理大坝安全监测数据中的粗差。从统计学的角度来分析处理,首先采用传统统计方法,通过工程实例发现了其在处理粗差过程中的不足;然后建立统计模型,用逐步回归分析法对其建立回归模型,计算出残差,通过残差来识别出原始数据中的粗差,最后用其拟合的测量值代替其粗差。     

基于PCA和多元控制图的大坝安全多测点数据监控方法

针对大坝单测点安全监控模型存在的不足,提出了一种基于主成分分析的大坝多测点总体监控方法。通过一个线性投影矩阵,对大坝正常运行时的监测数据采用主成分分析计算其主成分,并根据主成分进行数据重构。这样,一方面可以消除噪声的干扰;另一方面通过重构的数据和实测数据计算得到平方预测误差范数,可以方便地实现对大坝状态的总体监控。对于大坝的在线监测数据,采用平方预测误差的控制图和贡献图,可以在测值出现异常时实现对异常测点的定位和异常原因的推断。实例的分析结果表明提出的大坝多测点监控模型具有良好的表现。     

大坝变形监控数据处理的粗差识别方法及应用效果分析

正大坝安全监控的核心就在于通过各种监控理论与方法对监测资料进行分析,建立各类监控模型及监控指标,据此定量分析大坝及坝基的安全状态,监控大坝的安全运行,使大坝在安全运行的前提下充分发挥工程效益。大坝安全监测资料是大坝运行状态的直接反应,监测值的变化与大坝运行的环境荷载以及大坝本身结构形态有关,同时监测系统的稳定性也是重要的影响因素。大坝监测数据的异常一般由结构形态变化、环境量异常、系统改造、人为误测、误计或系统故障等     

基于稳健估计的大坝变形监测统计模型分析

回归分析是大坝安全监测统计模型的核心,测值粗差的存在使回归参数变异,造成统计模型一定程度上失真,所以在回归分析中必须对其进行处理。本文采用稳健估计的思想,根据残差大小对监测值进行赋权迭代计算,使常规统计模型具有抗差性。将稳健估计的思想应用于某工程实例分析,发现与常规统计模型相比,稳健统计模型能够有效抵抗粗差对模型参数求解结果的影响,并能较好反映水压、温度和时效等效应量的影响。     

A factor mining model with optimized random forest for concrete dam deformation monitoring

The unique structure of a dam complicates safety monitoring. Deformation can provide important information about dam evolution. In contrast to model prediction, actual dam response monitoring data can be used for diagnosis and early warning. Given the poor data mining ability of the conventional methods, it is essential to develop a method for extracting the factors influencing a dam. In this study, a data mining method and a model for evaluation of concrete dam deformation were developed using the evidence theory and a random forest. The model has the advantages of being easily understood, visualization with low complexity of training time, and accurate prediction. The model was applied to an actual concrete dam. The results indicated that the proposed random forest model could be used in analysis of concrete dams.     

一种空间误差模型在混凝土拱坝变形预测中的应用

混凝土拱坝作为一种高次超静定结构,具有较强的自适应性和整体性,但传统混凝土拱坝变形统计模型主要考察单个测点的变形序列,不能体现不同测点之间的相互作用。基于传统混凝土拱坝变形统计模型,用空间计量方法挖掘了拱坝不同测点同一时刻误差项空间面板数据的空间关联特性;进一步采用空间面板自回归模型拟合变形序列误差项面板数据,建立了混凝土拱坝变形预测空间误差模型。小湾拱坝坝体34个监测点水平向变形监测序列分析结果表明:误差面板数据之间存在很强的正空间关联性质,空间误差模型的预测效果优于传统统计模型,具有一定应用前景。     

混凝土坝运行初期安全监控指标拟定方法研究

针对混凝土坝在运行初期安全监测数据有限、常规大坝安全监控指标拟定方法误差较大的问题,提出基于自助法(Bootstrap)及核密度估计(KDE)理论的大坝安全监控指标拟定方法。通过再抽样构造安全监测数据的自助样本,对扩充后的样本采用核密度估计方法确定监测数据的概率密度函数,在此基础上拟定混凝土坝运行初期安全监控指标。结合仿真算例与某混凝土坝的实测数据,并与置信区间法结果对比分析,结果显示新方法误判率低,表明该方法所拟定的安全监控指标可以作为混凝土坝运行初期识别险情的标准,具有有效性和可行性。