一种动系统下大坝安全监测数据粗差识别方法技术方案

本发明专利技术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。本发明专利技术能够实现大坝安全监测数据粗差识别。本发明专利技术能够实现大坝安全监测数据粗差识别。本发明专利技术能够实现大坝安全监测数据粗差识别。

【技术实现步骤摘要】
一种动系统下大坝安全监测数据粗差识别方法


[0001]本专利技术涉及大坝安全监测数据处理
，尤其涉及一种动系统下大坝安全监测数据粗差识别方法。

技术介绍

[0002]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。
[0003]传统的大坝安全监测数据粗差识别方法有：
[0004]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。
[0005]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。
[0006]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。
[0007]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。
[0008]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。

技术实现思路

[0009]本专利技术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。
[0010]本专利技术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：
[0011](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；
[0012]其中：中包含上游水位H、温度T、时间t；
[0013]中包含钢板计应力测值；
[0014](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：
[0015][0016](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：
[0017]①
在基础优化目标的情况下，增加惩罚项，优化函数为：
[0018][0019]S.t. g
i
(ω,b)＝1
‑
y
i
(ω
T
X
i1
+b)
‑
ξ
i
≤0,ξ
i
≥0,i＝1,2...,n
[0020]其中，ξ
i
为松弛变量，C为惩罚因子；
[0021]②
构造Lagrange函数，并将其转换为对偶问题
[0022]S.t. λ
i
≥0μ
i
≥0
[0023]其中λ
i
和μ
i
为Lagrange乘子，ω、b和ξ
i
是主问题参数；
[0024]根据强对偶性，将构造的Lagrange函数转换为
[0025]③
对上述对偶问题中w、b和ξ
i
求偏导数，并令偏导数为0；
[0026][0027][0028]C＝λ
i
+μ
i
[0029]④
将过程
③
所得结果带入Lagrange函数中，得到Lagrange乘子；
[0030][0031]⑤
将Lagrange乘子带入过程
③
中等式，求得ω和b,最终求得超平面方程表达式ω
T
x+b＝0，令y＝ω
T
x+b即为充水状态下监控模型；
[0032]⑥
根据以上SVM理论，编制程序分别形成:SVMtrain[x,y,K(x
i
,x
j
),C]和SVMpredict[x,y,SVMtrain]函数；其中：x,y为归一化后数据，K(x
i
,x
j
)为综合核函数，C为惩罚函数的惩罚力度；
[0033]⑦
调用SVMtrain和SVMpredict函数，计算预测值，并对预测值反归一化，记为充水监控模型预测值；
[0034](4)对放水状态下健康的监测数据，同充水状态一致，选择综合核函数；
[0035](5)建立样本训练集和测试集，构建放水监控模型，记为放水监控模型预测值，同充水状态模型建立过程；
[0036](6)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；
[0037](7)根据拉以达准则，若钢板计应力测量值y
i
所对应的剩余残差则将该测量值判为粗差；上式中将y
i
替换为监控模型预测值利用贝赛公式计算所得S代替σ；针对某可疑值，若满足：
[0038]其中
[0039]则y
i
含有粗差，予以处理。
[0040]借由上述方案，通过动系统下大坝安全监测数据粗差识别方法，能够实现大坝安全监测数据粗差识别，具体包括如下技术效果：
[0041]1、本专利技术基于SVM方法的基础数学理论能摆脱传统依赖工程经验判别监测数据粗差的短板。
[0042]2、本专利技术能考虑影响监测物理量的环境量因素变化对测值变化的影响，基于SVM方法可以自由引入环境量影响因素，且模型鲁棒性强，除考虑常规意义下，上游水位、温度、时间效应外，还可根据情况，增加降雨、下游水位、渗流量、裂缝开合度等多种影响因素。
[0043]3、本专利技术基于SVM方法能较好地描述非线性变化物理量的数学特性，如常规影响因素中的时间效应，能更准确拟合监测物理量测值过程线，更准确找出测值序列中粗差。
[0044]4、本专利技术通过设置模型转换开关，能实现动系统下监测数据的粗差识别。此项技术效果通过设置模型转换开关实现。
[0045]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。
附图说明
[0046]图1是本专利技术一实施例中某电厂蜗壳周围钢板计测值变化过程线数据；
[0047]图2是本专利技术一实施例中某电厂蜗壳周围钢板计测值数据粗差识别方法流程图。
具体实施方式
[0048]下面结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动系统下大坝安全监测数据粗差识别方法，其特征在于，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
T
X
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S.t.λ
i
≥0μ
i
≥0其中λ
i
和μ
i
为Lagrange乘子，ω、b和ξ
i
是主问题参数；根据强对偶性，将构造的Lagrange函数转换为
③
对上述对偶问题中w、b和ξ
i
求偏导数，并令偏导数为0；求偏导数，并令偏导数为0；C＝λ

【专利技术属性】
技术研发人员：商永喜，
申请(专利权)人：大唐水电科学技术研究院有限公司，
类型：发明
国别省市：