一种基于熵理论的大坝监控异常数据的检测方法技术

一种基于熵理论的大坝监控异常数据的检测方法，属于大坝监控技术领域。包括以下步骤：1）对大坝安全监控仪器得到的数据进行划分，将监测数据分成N组子时间序列；2）对N组子时间序列分别进行排列熵值的计算，将每个子时间序列的n个时间序列值换算成一个介于0到1之间的熵值；3）每一个熵值的大小代表了对应的子时间序列的随机程度，值越小，则时间序列越规则，说明该部分安全监控数据正常，反之，则子时间序列越接近随机，说明该部分安全监控数据反常。该一种基于熵理论的大坝监控异常数据的检测方法能够直观的检测出数据的异常波动，且计算方法简便，对工程的监控数据的异常检测有重要的价值。

【技术实现步骤摘要】
【专利摘要】，属于大坝监控
。包括以下步骤：1）对大坝安全监控仪器得到的数据进行划分，将监测数据分成N组子时间序列；2）对N组子时间序列分别进行排列熵值的计算，将每个子时间序列的n个时间序列值换算成一个介于0到1之间的熵值；3）每一个熵值的大小代表了对应的子时间序列的随机程度，值越小，则时间序列越规则，说明该部分安全监控数据正常，反之，则子时间序列越接近随机，说明该部分安全监控数据反常。该能够直观的检测出数据的异常波动，且计算方法简便，对工程的监控数据的异常检测有重要的价值。【专利说明】
本专利技术属于大坝监控
，具体为。
技术介绍
大坝安全监测资料分析是判断大坝运行状况、馈控坝工结构内部机制的重要手段。我国自上世纪70年代以来，开始在大中型水坝上安装各类安全监控仪器，对坝体结构进行实时监测，积累了大量的监测数据，分析监测数据，及时发现坝体运行中的异常，揭示坝体变形规律和发展趋势，对保障坝体安全具有重要意义。大坝的变形监控数据在坝体正常运行情况下是平顺的时间序列值，数据的突变就是坝体结构产生异常的信号，因此，对庞杂数据异常突变值的筛选就是数据分析的关键。熵是一种包含信息熵、互信息熵、相对熵等广义分布函数的泛函概念，善于解析复杂系统中不确定性的物理内涵、动力学机制以及在这些因素之间相互影响和转化的物理关系。排列熵是一种对信号复杂度的度量，对时间具有较高的敏感性，可以很好地检测出复杂系统的动力学突变。本专利技术专利即利用物理学里排列熵的方法对工程领域中大坝安全监控数据进行分析处理，通 过将大量数据组转化成熵值的方法，筛选异常熵值，从而达到发现异常信号的目的。对快速检测、定位异常数据，及时发现工程中存在的安全隐患具有重要意义。
技术实现思路
针对现有技术中存在的上述问题，本专利技术的目的在于设计提供的技术方案，能够直观的检测出数据的异常波动，且计算方法简便，对工程的监控数据的异常检测有重要的价值。所述的，其特征在于包括以下步骤: 1)对大坝安全监控仪器得到的数据进行划分，按照数据分析需要以日、周或月为单位对监测数据时间序列进行分隔，将监测数据分成N组子时间序列，每组时间序列值记为/7，1000</?〈10000 ； 2)对N组子时间序列分别进行排列熵值的计算，将每个子时间序列的η个时间序列值换算成一个介于O到I之间的熵值，计算方法如下: 2-1)将大坝安全监控数据的第一个子时间序列记为I(i)，* = 1,2,3……η，并对其进行相空间重构，可得到矩阵【权利要求】1.，其特征在于包括以下步骤: 1)对大坝安全监控仪器得到的数据进行划分，按照数据分析需要以日、周或月为单位对监测数据时间序列进行分隔，将监测数据分成N组子时间序列，每组时间序列值记为/7，1000<n〈10000 ； 2)对N组子时间序列分别进行排列熵值的计算，将每个子时间序列的η个时间序列值换算成一个介于O到I之间的熵值，计算方法如下: 2-1)将大坝安全监控数据的第一个子时间序列记为x(i) , i^XX3……?，并对其进行相空间重构，可得到矩阵 2.如权利要求1所述的，其特征在于:排列熵值组成的时间序列与安全监控数据的演化特征步调一致，当排列熵值出现突变、跳变等现象时，说明该排列熵值对应的子时间序列存在异常，此时坝体的结构安全存在问题，须通过预警系统对该时 间段的坝体运行情况进行提示，对坝体进行更深入的检查。【文档编号】G06F19/00GK103823980SQ201410066064【公开日】2014年5月28日 申请日期:2014年2月26日 优先权日:2014年2月26日 【专利技术者】秦鹏, 秦植海, 周建芬, 王海波, 陈中文, 王英华 申请人:浙江水利水电学院本文档来自技高网...

【技术保护点】
一种基于熵理论的大坝监控异常数据的检测方法，其特征在于包括以下步骤：1）对大坝安全监控仪器得到的数据进行划分，按照数据分析需要以日、周或月为单位对监测数据时间序列进行分隔，将监测数据分成N组子时间序列，每组时间序列值记为n，1000<n<10000；????2）对N组子时间序列分别进行排列熵值的计算，将每个子时间序列的n个时间序列值换算成一个介于0到1之间的熵值，计算方法如下：2?1）将大坝安全监控数据的第一个子时间序列记为,并对其进行相空间重构，可得到矩阵，（1）其中，和分别为嵌入维数和延迟时间，?3≤≤5，；2?2）矩阵的每一行可看作一个重构分量，共有K个重构分量，将重构矩阵中的第个重构分量，，……，按照升序重新排列，，，……，表示重构分量中各元素所在列的索引，即（2）如果重构分量中存在相等的值，则按照中m的大小对数值进行排列；2?3）通过步骤（2）的计算，可将大坝安全监控数据子时间序列数据组的向量中每一个行向量转化成一组符号序列，记作，式中=1,2,…，k，且；2?4）m维相空间映射不同的符号序列总共有，是其中一种排列，对整个序列中各种排列情况出现的次数进行统计，计算各种排列情况出现的相对频率作为其概率，；2?5）按照Shannon熵的形式定义计算时间序列的排列熵，可将子时间序列转化为一个熵值，（3）2?6）将进行归一化处理，得到第一个时间序列的最终排列熵值（4）2?7）按照步骤（1）至（6），继续计算其他子时间序列对应的排列熵值；3）每一个熵值的大小代表了对应的子时间序列的随机程度，值越小，则时间序列越规则，说明该部分安全监控数据正常，反之，则子时间序列越接近随机，说明该部分安全监控数据反常。...

【技术特征摘要】

【专利技术属性】
技术研发人员：秦鹏，秦植海，周建芬，王海波，陈中文，王英华，
申请(专利权)人：浙江水利水电学院，
类型：发明
国别省市：