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。     

M估计在土石坝测压管水位实测资料分析中的应用

针对基于最小二乘法的常规回归分析方法不能抵抗粗差干扰的问题,引入稳健回归中常用的M估计,能有效的克服观测资料中异常值或盲目消除异常值的影响,并应用到土石坝测压管水位实测资料分析中,实例分析结果表明,该方法是切实可行和有效的。     

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。     

基于统计诊断的大坝监测数据合理性检验

基于统计诊断的异常数据划分,并结合大坝监测数据的误差成因,将监测的异常数据划分为随机误差、粗差、系统误差等,并辨识强影响数据。继而基于均值漂移模型,研究不同异常数据的诊断方法,包括以模型扰动值为依据的粗差的t检验法和以模型扰动对拟合参数的影响为依据的强影响数据的Cook距离检验法。以大坝典型位移监测数据为例,采用上述统计诊断方法对原始监测数据进行合理性检验,结果表明可有效辨识误差数据和强影响数据,能提高数据进一步建模分析的准确性。     

基于最小截平方和估计的混凝土坝变形监测粗差识别方法

粗差识别是混凝土坝安全监测数据预处理中的一项重要工作。结合变形监测统计分析模型,基于Fast-LTS算法,提出一种混凝土坝变形监测粗差最小截平方和估计识别方法。首先,基于最小截平方和估计,建立混凝土坝变形监测统计分析模型,挖潜变形监测序列与环境影响因子间的关系;其次,划分正常测值序列和疑似粗差测值序列,并针对疑似粗差序列,采用数理统计方法,逐一甄别直至判别出所有粗差。工程实例计算分析表明,本文方法粗差识别成功率达100%,远优于拉依达法则、格拉布斯准则与罗曼诺夫斯基准则等传统判别方法。更高的识别成功率,可为混凝土坝变形监测粗差识别提供一种新途径。     

基于稳健初值的抗差估计在公共点选取中的应用

在坐标转换中,由于环境或人为因素的影响,公共点坐标常含有粗差,导致转换较低。针对传统的最小二乘抗差估计对于较大粗差不够敏感的问题,提出了基于稳健初值的抗差估计法进行处理,并以实测数据为例研究了基于稳健初值的抗差估计的原理与应用。试验结果表明:基于稳健初值的抗差估计在含粗差公共点的定位方面具有较高的可靠性与准确性。     

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。     

平面相似变换之建模联测点粗差探测

 基于模糊信息优化理论的信息扩散估计,研究了平面相似变换建模联测点粗差探测因子的确定方法,分析了使用信息扩散估计的可能性,介绍了利用信息扩散估计探测建模联测点粗差的方法和操作过程,并通过实例计算与可视化分析,演示了理论的可靠性和方法的可行性。认为这是一种稳健的智能估计,对粗差具有较强的抗差性,可以作为平面相似变换建模联测点粗差探测的最优估计。     

重力坝变形统计回归分析模型及工程应用

通过对一水电站重力坝多年变形监测资料的分析,考虑水位、温度和时效对大坝变形的影响,采用逐步回归分析法建立了重力坝变形统计回归分析模型。计算结果表明：变形统计值与变形监测值吻合较好,统计复相关系数较大,估计标准误差较小。统计回归分析模型较标准地反映了大坝的变形规律,为评价大坝运行安全性态、预测大坝变形发展趋势提供了有效的分析方法和手段。     

基于有限元法和逐步回归法的泵站位移统计模型构建方法

由于大部分的泵站地基不是岩基,通过传统的力学方法无法得到较为准确的泵站位移统计模型,计算较为困难。因此,基于大坝变形统计模型构建的理念,提出了基于有限元-逐步回归分析的泵站位移统计模型构建方法。该方法以逐步回归为基础,通过有限单元法来确定统计模型中与水压分量有关的各个因子,再根据监测资料来确定温度分量和时效分量里的各个因子,从而得到较为准确的泵站建筑物位移统计模型。经南水北调东线某泵站验证表明,泵站实测的水平、垂直位移与三维有限元-逐步回归分析得出的结果基本一致,进一步表明,采用的统计模型用于泵站的位移分析是可行的。基于有限元-逐步回归法的泵站位移统计模型拟合效果较好,拟合精度较高,为泵站监测资料分析提供了新思路。     

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     

基于小波分解和支持向量机的大坝位移监控模型

常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。     

The Development of Rating Curve Considering Variance Function Using Pseudo-likelihood Estimation Method

This paper employs a new estimation method for estimating stage–discharge rating curve parameters. In typical practical applications, the original non-linear rating curve is transformed into a simple linear regression model by log-transforming the measurement without examining the effect of heteroscedasticity of residuals. Therefore, the model with pseudo-likelihood estimation is developed in this study to deal with heteroscedasticity of residuals in the original non-linear model. The parameters of rating curves and variance functions of errors are simultaneously estimated by the pseudo-likelihood estimation (P-LE) method. Also simulated annealing, a sort of global optimization techniques, is adapted to minimize the log likelihood of the weighted residuals. At first, the developed P-LE model was applied to a hypothetical site where stage–discharge data were generated by incorporating various errors for statistical test. Also, the limit of stages for segmentation is estimated in the process of P-LE using the Heaviside function. For the validation of effects of the developed P-LE model, the results of the conventional log-transformed linear regression (LT-LR) model and the P-LE model are estimated and compared. After statistical simulation, the developed P-LE model is then applied to the real data sets from six gauge stations in the Geum River basin. It can be suggested that this new estimation method is applied to real river sites to successfully determine the weights taking into account error distributions from observed discharge data.     

大坝安全监控的门限回归预测模型及其应用

 大坝监测效应量在工作过程中受内部和外部因素的 共同作用,经常出现跳跃、渐变、再跳跃等复杂周期变化,表现出高度的非线性,为建立常规的大坝安全监控预测模型带来了不少麻烦。借鉴门限自回归模型的门限思想,在常规回归模型中引入门限因子和门限值,利用提出的最佳拟合相关分析法确定门限因子和门限值,建立了门限回归模型。计算实例表明该方法用于大坝安全监控预测可以取得满意的效果。     

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...     

改进温度分量的拱坝变形时空分布模型

通过对混凝土拱坝变形滞后特性的研究,分析了温度效应对坝体位移影响规律,并引入瑞利分布函数建立了改进温度分量的拱坝变形监控统计模型。再通过引入空间坐标,考虑变形值在空间的连续性,建立了改进温度分量的拱坝时空分布模型。由于所建立的监控模型因子较多,因此应用粒子群算法和逐步回归分析法进行参数寻优。最后将所建立的拱坝变形时空分布模型应用于某拱坝变形监控中,结果显示:影响因子的个数减少,复相关系数及剩余标准差均优于传统模型,所建立的模型较传统大坝变形监控模型精度更高、拟合效果更好。