大坝自动化监测数据的漂移校正

应用统计学原理，研究了对大坝自动化监测数据的区间性漂移进行校正的方法。首先，分别对测值序列中各段无漂移的子系列，以监测效应量(子系列效应量的平均值)的波动值作为因变量、以环境因子(子系列因子的平均值)的波动值作为自变量，逐段准备数据；之后，将各区段中准备好的数据融合在一起，进行全序列的回归分析；最后，根据回归分析的结果及漂移前后环境量的区段平均变化程度估计漂移量，并对测值进行校正，给出了具体的校正公式。此外，通过方差分析对校正精度进行了估计。     

大坝服役性态预警指标拟定的POT模型

借助预警指标实时辨识大坝服役性态是大坝安全监控的重要手段。传统多依据大坝服役性态效应量测值序列的年极值为分析子样来估计预警指标。本文基于极值理论中的POT(Peaks over Threshold)模型，通过门限值的设定，以超限数据序列作为建模分析的对象，利用广义帕累托分布拟合超限数据子样，结合大坝的失事概率实现预警指标的估计。该方法不研究效应量测值序列的整体分布情况，只关注序列的超限值分布情况；充分考虑了所有较大测值出现的可能，更好地体现了数据样本的分布特征，因此得到的预警指标能更客观地反映工程实际。     

改进埃特金插值法在监测数据补差中的应用

安全监测数据的补差，是监测资料整理阶段中一个重要与关键性环节。埃特金插值法是将一个高次多项式逼近指定缺值点R的函数值过程，用多个线性组合逼近来实现。改进埃特金插值法将缺值点R视为流动点作补差，能形成等距数据序列，计算简单、数值稳定、没有累积误差、能较精确地对缺值进行补差，在工程实际中应用效果较好。这对安全监测资料分析等后续工作的进行，提供了完整、可信的数据序列。     

改进埃特金插值法在监测数据补差中的应用

安全监测数据的补差，是监测资料整理阶段中一个重要与关键性环节。埃特金插值法是将一个高次多项式逼近指定缺值点R的函数值过程，多外线性组合逼近来实现。改进埃特金插值法将缺值点R视为流动点作补差，能形成等距数据序列，计算简单、数值稳定、没有累积误差、能较精确地对缺值进行补差，在工程实际中应用效果好。这对安全监测资料分析等后续工作的进行，提供了完整、可信的数据序列。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识，用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵，在建立可疑量测集时，考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明，该方法检测与辨识坏数据的能力较强。     

卡尔曼半自适应滤波水位实时预报模型研究

在对河道水位计算方法和线性化后的矩阵方程研讨的基础上，组成了卡尔曼滤波的状态方程和量测方程。根据滤波理论提出了适用于河道水位实时预报的卡尔曼半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时地估计出来，只是模型误差系列的协方差矩阵需要预先给出。以淮河为例对该模型进行了并与其它方法进行了比较，验证结果说明该模型的正确性和合理性。     

基于POT 模型建立大坝服役性态预警指标

借助预警指标实时辨识大坝服役性态是大坝安全监控的重要手段。传统多依据大坝服役性态效应量测值序列的年极值为分析子样来估计预警指标。本文基于极值理论中的POT(Peaks over Threshold)模型,通过阈值的设定,以超限数据序列作为建模分析的对象,利用广义帕累托分布拟合超限数据子样,结合大坝的失事概率实现预警指标的估计。该方法不研究效应量测值序列的整体分布情况,只关注序列的超限值分布情况;充分考虑了所有较大测值出现的可能,更好地体现了数据样本的分布特征,因此得到的预警指标能更客观地反映工程实际。     

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。     

计及PMU的混合非线性状态估计新方法

提出一种将同步相量测量单元（PMU）的直接电压相量量测变换为间接支路电流量测，并与监控与数据采集（SCADA）量测量一起进行混合迭代的非线性状态估计方法。对构造等效电流修正量而带来的间接量测误差进行了详细和定量的分析，并对该混合估计算法的精度进行了定性分析和定量计算。理论分析和算例表明，该方法可以获得较高的估计精度，在收敛次数和滤波效果上也有所改进。     

基于非接触监测的隧洞反演分析可行性探讨

本文根据全站仪非接触测量原理，分析了隧洞测点位移量测的三维误差计算式。随后对全站仪位移量测的误差精度进行了分析，得到了满足反演计算要求的量测误差判别式，并提出全站仪位移量测的可行性判别方法。最后通过算例给出了判定实际工程反演分析可行的设站及仪器的优选方式。分析结果认为目前全站仪的测量精度还只适用于洞室断面较大、总位移量较大的情况，对洞室反演计算的普遍适用还有一定距离。     

安全监测仪器检验方法的探讨

振弦式仪器监测的物理量与仪器的频率模数或频率的平方具有统计关系,一般呈直线关系,所以通常采用一元线性回归拟合,如果通过数值分析的最小二乘法进行曲线拟合处理,对于振弦式安全监测仪器的检验可以得到较好的拟合效果,使得检验结果更加合理,并减小误差。     

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。     

基于周期外延法的监测效应量灰色时序组合预测模型

针对单一模型在大坝效应量监测数据序列拟合和预测方面存在的不足,采用Verhulst模型拟合监测数据序列中的趋势性成分,采用周期外延模型拟合监测数据序列中的周期性成分,采用自回归AR(p)模型拟合监测数据序列中的随机性成分,得到一种新的组合模型,并给出了一个工程实例。该组合模型丰富了监测效应量预测方法,可提高监测效应量的整体预测精度,深化对监测效应量变化规律的认识。     

输水隧洞动态监控指标拟定方法

为确保输水隧洞工程运行期的安全,需针对工程特点建立有效的动态监控指标。在分析研究输水隧洞监测方法、工程运行安全影响因素的基础上,选择内外水压力、温度、隧洞衬砌混凝土和围岩变形等影响因子,构建输水隧洞安全监控指标模型,按照置信区间法原理拟定监控指标。将长时段监测数据分段分析处理,同时引入移动平均滤波算法,提出了输水隧洞动态监控指标的拟定方法。实例计算结果表明,所提出的方法能确定测点的动态监控指标。     

飞来峡水利枢纽船闸闸墙顶水平位移安全监控指标拟定及应用

根据飞来峡水利枢纽船闸的原型监测资料,选取每年运行过程中最不利工况时闸墙顶水平位移监测效应量作为计算序列,应用典型小概率法,对船闸闸墙顶的水平位移安全监控指标值进行了研究拟定,并结合2012年的实测值,分析了船闸闸墙的运行状况,结果：在环境量变化与往年基本一致的工况下,2012年典型闸段闸墙顶的水平位移值均小于安全监控指标。     

水工建筑物安全监控深度分析模型及其优化研究

随着水工建筑物安全管理自动化技术的发展,以丰富性、多样性、复杂性为特点的大数据逐渐成为水工建筑物安全监控体系的显著特征.常用安全监控数学模型(三大常规模型、浅层学习算法)难以从大量数据中自动提取深层次潜在信息,即浅层模型与大数据挖掘分析不相适应.深度学习算法由多重非线性映射层构成,能够逐层学习输入数据本质特征并完成高级...     

ADCP流速数据综合滤波算法研究

针对现有ADCP流速数据滤波方法单一导致滤波效果不佳的缺陷,在分析ADCP观测误差来源的基础上,基于对几种流速滤波方法的特点的总结分析,给出了一种ADCP数据综合滤波方法,即首先设计自适应窗口,利用中值滤波对原始流速数据进行异常值剔除得到初步结果,继而分析初步结果的功率谱图,设计DFT滤波器;对初步结果进行窗函数法滤波,以获得最佳滤波效果。实验结果表明,综合滤波法对白噪声(随机误差)滤除效果较好,特别是对存在少量连续、非连续异常值的流速数据,其滤波结果优于传统滤波方法。     

The effect of rainfall measurement uncertainties on rainfall-runoff processes modelling.

Rainfall data are a crucial input for various tasks concerning the wet weather period. Nevertheless, their measurement is affected by random and systematic errors that cause an underestimation of the rainfall volume. Therefore, the general objective of the presented work was to assess the credibility of measured rainfall data and to evaluate the effect of measurement errors on urban drainage modelling tasks. Within the project, the methodology of the tipping bucket rain gauge (TBR) was defined and assessed in terms of uncertainty analysis. A set of 18 TBRs was calibrated and the results were compared to the previous calibration. This enables us to evaluate the ageing of TBRs. A propagation of calibration and other systematic errors through the rainfall-runoff model was performed on experimental catchment. It was found that the TBR calibration is important mainly for tasks connected with the assessment of peak values and high flow durations. The omission of calibration leads to up to 30% underestimation and the effect of other systematic errors can add a further 15%. The TBR calibration should be done every two years in order to catch up the ageing of TBR mechanics. Further, the authors recommend to adjust the dynamic test duration proportionally to generated rainfall intensity.     

基于FP-growth的大坝安全监测数据挖掘方法

为改善大坝安全监测数据库的数据挖掘方法运行速度慢、占用内存大的问题,提出改进FP-growth算法,将已预处理的监测数据剪枝后,生成Priority树再进行频繁项挖掘。以此方法挖掘大坝变形量与水温等环境量的相关关系,不仅挖掘速度快、精度高、结果简洁,还能够对比单个因子或分析多个因子耦合与目标变量的关系。实例表明改进后的FP-growth算法思想为大坝安全监测数据挖掘提供了一条良好的思路。     

土石坝监测数据的未确知滤波

 在分析粗差和异常值表征特性的基础上,结合未确知数学理论,提出了一种新的基于可信度概念的粗差探测方法——未确知滤波法（UF法）,并深入研究了未确知滤波法阈值参数λ的取值方法,通过对该方法潜在问题的分析,提 出了相应的解决措施,即通过迭代滤波实现λ的优化,并运用列举法选择出最优的分段参数m,从而保证未确知滤波结果的正确性和可靠性。通过将未确知滤波法应用于土石坝监测数据的粗差探测和处理的实例,可以看出该方法克服了传统粗差处理方法存在的粗差互相污染、遮蔽、弃真以及难以区分粗差和异常值等问题。本方法还具有动态实时的特点尤其适合于处理观测周期长、测值跨度大的数据序列的粗差判别工作,是一种解决土石坝监测资料粗差判别及处理等问题的较为理想的方法。