基于监测数据分析的大坝安全预警方法及系统技术方案

本发明专利技术提供了基于监测数据分析的大坝安全预警方法及系统，方法包括提取相关大坝监测数据；确定第一异常点与第二异常点，并根据第一异常点与第二异常点确定原始异常点，将原始异常点剔除，以得到正常大坝监测数据；对正常大坝监测数据进行缺失修补，以得到补充大坝监测数据；对补充大坝监测数据进行数据集分割，将训练数据集输入预设预测模型中进行训练，并将监测数据集输入训练好的所述预设预测模型中进行预测，以得到预测值，本发明专利技术可精准识别异常点，并将异常点进行剔除，之后对异常点进行缺失补偿，利用缺失预测值对异常值进行填补，以确保在后续模型进行预测时使得预测结果更加精确，保证了大坝预警的准确性。保证了大坝预警的准确性。保证了大坝预警的准确性。

【技术实现步骤摘要】
基于监测数据分析的大坝安全预警方法及系统


[0001]本专利技术属于大坝监测的
，具体地涉及基于监测数据分析的大坝安全预警方法及系统。

技术介绍

[0002]大坝的失事会给下游带来严重破坏，房屋、农田将被淹没，严重威胁下游人民的生命财产安全，虽然大坝属于超静定结构，面对超载情况能够自我调整应力分布，然而其地基、坝肩的稳定性受到受力状态、地质条件的影响，容易发生整体或局部滑移，威胁大坝安全。因此，对大坝的进行安全监测，并进行安全预警，显得尤为重要。
[0003]但在大坝的实际监测过程中，监测仪器由于自身故障、监测位置不当或环境干扰等原因，会导致监测仪器监测到的大坝监测数据会出现数据异常的情况，环境干扰引起的反常监测数据与正常监测数据混杂在一起，如不对异常的监测数据进行分离或者矫正，使得将监测数据输入预测模型时，会导致模型输出的预测值与实际值误差较大，进而影响大坝的安全预警。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了基于监测数据分析的大坝安全预警方法及系统，用于解决现有技术中的技术问题。
[0005]一方面，该专利技术提供以下技术方案，一种基于监测数据分析的大坝安全预警方法，包括：获取预设周期内的原始大坝监测数据，对所述原始大坝监测数据进行简化，以确定对应的影响指标，并根据所述影响指标从所述原始大坝监测数据中提取相关大坝监测数据；对所述相关大坝监测数据进行信号提取，以得到原始残差序列，并根据所述原始残差序列确定第一异常点，对所述原始残差序列进行聚类处理，以确定第二异常点；根据所述第一异常点与所述第二异常点确定原始异常点以及所述原始异常点在所述相关大坝监测数据中的异常位置，将所述原始异常点剔除，以得到正常大坝监测数据；根据所述异常位置对所述正常大坝监测数据进行缺失修补，以得到补充大坝监测数据；对所述补充大坝监测数据进行数据集分割，以得到训练数据集与监测数据集，将所述训练数据集输入预设预测模型中进行训练，并将所述监测数据集输入训练好的所述预设预测模型中进行预测，以得到预测值，根据所述预测值对大坝进行风险评估与预警发布。
[0006]相比现有技术，本申请的有益效果为：本申请获取预设周期内的原始大坝监测数据，对所述原始大坝监测数据进行简化，以确定对应的影响指标，并根据所述影响指标从所述原始大坝监测数据中提取相关大坝监测数据；对所述相关大坝监测数据进行信号提取，以得到原始残差序列，并根据所述原始残差序列确定第一异常点，对所述原始残差序列进
行聚类处理，以确定第二异常点；根据所述第一异常点与所述第二异常点确定原始异常点以及所述原始异常点在所述相关大坝监测数据中的异常位置，将所述原始异常点剔除，以得到正常大坝监测数据；根据所述异常位置对所述正常大坝监测数据进行缺失修补，以得到补充大坝监测数据；对所述补充大坝监测数据进行数据集分割，以得到训练数据集与监测数据集，将所述训练数据集输入预设预测模型中进行训练，并将所述监测数据集输入训练好的所述预设预测模型中进行预测，以得到预测值，根据所述预测值对大坝进行风险评估与预警发布，本专利技术可精准识别原始的监测数据中的异常点，并将异常点进行剔除，之后对异常点进行缺失补偿，利用缺失预测值对异常值进行填补，以确保在后续模型进行预测时使得预测结果更加精确，保证了大坝预警的准确性。
[0007]较佳的，所述获取预设周期内的原始大坝监测数据，对所述原始大坝监测数据进行简化，以确定对应的影响指标的步骤包括：根据所述原始大坝监测数据，确定原始影响因素集合与预警决策属性集，并计算所述原始影响因素集合与所述预警决策属性集之间的第一相关信息量；在所述原始影响因素集合中任意删去一个子元素，以得到若干新影响因素集合，并计算每个所述新影响因素集合与所述预警决策属性集之间的第二相关信息量，其中，所述新影响因素集合的数量与所述原始影响因素集合中的子元素数量相同，每个所述新影响因素集合均存在与之对应的舍弃子元素；判断每个所述新影响因素集合的第二相关信息量与所述第一相关信息量是否相等，若该新影响因素集合的第二相关信息量与所述第一相关信息量相等，则将与该新影响因素集合对应的舍弃子元素从所述原始影响因素集合中剔除，若该新影响因素集合的第二相关信息量与所述第一相关信息量不相等，则将与该新影响因素集合对应的舍弃子元素在所述原始影响因素集合中保留，以此得到影响指标。
[0008]较佳的，所述对所述相关大坝监测数据进行信号提取，以得到原始残差序列，并根据所述原始残差序列确定第一异常点的步骤包括：将所述相关大坝监测数据按时间顺序进行排列，以得到监测数据序列；根据所述监测数据序列的序列长度，在所述监测数据序列上增加预设长度的数据窗口，以得到数据矩阵；对所述数据矩阵进行奇异值分解，以得到若干分解子矩阵，将所述分解子矩阵进行对角重构，以得到第一重构序列；将所述第一重构序列进行逐项累加，以得到第二重构序列以及原始残差序列；识别并提取原始残差序列中的极值点以及残差绝对值小于预设残差值的点，以得到第一异常点。
[0009]较佳的，所述对所述原始残差序列进行聚类处理，以确定第二异常点的步骤包括：根据所述原始残差序列，设置距离阀值与密度阀值，并根据所述距离阀值与所述密度阀值在所述原始残差序列中选取聚类中心点；判断所述聚类中心点的对象类别并输出对应的类别结果，根据所述类别结果在所述原始残差序列中进行密度可达索引，以得到与所述聚类中心点对应的所有密度可达点；将所述聚类中心以及与之对应的所有所述密度可达点构成簇集合；根据所述簇集合中各点之间的密度关联关系确定聚类集合与噪声集合，以得到第
二异常点。
[0010]较佳的，所述根据所述第一异常点与所述第二异常点确定原始异常点的步骤包括：选取所述第一异常点与所述聚类集合之间的第一交集数据，并选取所述第一异常点与所述噪声集合之间的第二交集数据，选取所述第一交集数据与所述第二交集数据的并集，以得到原始异常点。
[0011]较佳的，所述根据所述异常位置对所述正常大坝监测数据进行缺失修补，以得到补充大坝监测数据的步骤包括：选取连续的训练监测数据，并对所述训练监测数据与所述正常大坝监测数据进行数据分解与数据重组，以得到缺失训练数据与缺失测试数据；对所述缺失训练数据与所述缺失测试数据进行归一化处理，并将归一化处理后的所述缺失训练数据输入预设LSTM模型中进行训练；将归一化处理后的缺失测试数据输入训练后的所述预设LSTM模型中进行预测，以得到若干缺失预测值，将若干所述缺失预测值填补在对应的所述异常位置处，以得到补充大坝监测数据。
[0012]较佳的，所述对所述训练监测数据与所述正常大坝监测数据进行数据分解与数据重组，以得到缺失训练数据与缺失测试数据的步骤包括：在所述训练监测数据与所述正常大坝监测数据中分别添加若干噪声数据，以得到训练处理数据与测试处理数据，对所述训练处理数据与所述测试处理数据进行多次模态分解，以得到训练分量集合与测试分量集合；将所述训练分量集合与所述测试分量集合中的每个分量分别进行空间重构，以得到训练重构矩阵与测试重构矩阵，计算所述训练重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于监测数据分析的大坝安全预警方法，其特征在于，包括：获取预设周期内的原始大坝监测数据，对所述原始大坝监测数据进行简化，以确定对应的影响指标，并根据所述影响指标从所述原始大坝监测数据中提取相关大坝监测数据；对所述相关大坝监测数据进行信号提取，以得到原始残差序列，并根据所述原始残差序列确定第一异常点，对所述原始残差序列进行聚类处理，以确定第二异常点；根据所述第一异常点与所述第二异常点确定原始异常点以及所述原始异常点在所述相关大坝监测数据中的异常位置，将所述原始异常点剔除，以得到正常大坝监测数据；根据所述异常位置对所述正常大坝监测数据进行缺失修补，以得到补充大坝监测数据；对所述补充大坝监测数据进行数据集分割，以得到训练数据集与监测数据集，将所述训练数据集输入预设预测模型中进行训练，并将所述监测数据集输入训练好的所述预设预测模型中进行预测，以得到预测值，根据所述预测值对大坝进行风险评估与预警发布。2.根据权利要求1所述的基于监测数据分析的大坝安全预警方法，其特征在于，所述获取预设周期内的原始大坝监测数据，对所述原始大坝监测数据进行简化，以确定对应的影响指标的步骤包括：根据所述原始大坝监测数据，确定原始影响因素集合与预警决策属性集，并计算所述原始影响因素集合与所述预警决策属性集之间的第一相关信息量；在所述原始影响因素集合中任意删去一个子元素，以得到若干新影响因素集合，并计算每个所述新影响因素集合与所述预警决策属性集之间的第二相关信息量，其中，所述新影响因素集合的数量与所述原始影响因素集合中的子元素数量相同，每个所述新影响因素集合均存在与之对应的舍弃子元素；判断每个所述新影响因素集合的第二相关信息量与所述第一相关信息量是否相等，若该新影响因素集合的第二相关信息量与所述第一相关信息量相等，则将与该新影响因素集合对应的舍弃子元素从所述原始影响因素集合中剔除，若该新影响因素集合的第二相关信息量与所述第一相关信息量不相等，则将与该新影响因素集合对应的舍弃子元素在所述原始影响因素集合中保留，以此得到影响指标。3.根据权利要求1所述的基于监测数据分析的大坝安全预警方法，其特征在于，所述对所述相关大坝监测数据进行信号提取，以得到原始残差序列，并根据所述原始残差序列确定第一异常点的步骤包括：将所述相关大坝监测数据按时间顺序进行排列，以得到监测数据序列；根据所述监测数据序列的序列长度，在所述监测数据序列上增加预设长度的数据窗口，以得到数据矩阵；对所述数据矩阵进行奇异值分解，以得到若干分解子矩阵，将所述分解子矩阵进行对角重构，以得到第一重构序列；将所述第一重构序列进行逐项累加，以得到第二重构序列以及原始残差序列；识别并提取原始残差序列中的极值点以及残差绝对值小于预设残差值的点，以得到第一异常点。4.根据权利要求1所述的基于监测数据分析的大坝安全预警方法，其特征在于，所述对所述原始残差序列进行聚类处理，以确定第二异常点的步骤包括：
根据所述原始残差序列，设置距离阀值与密度阀值，并根据所述距离阀值与所述密度阀值在所述原始残差序列中选取聚类中心点；判断所述聚类中心点的对象类别并输出对应的类别结果，根据所述类别结果在所述原始残差序列中进行密度可达索引，以得到与所述聚类中心点对应的所有密度可达点；将所述聚类中心以及与之对应的所有所述密度可达点构成簇集合；根据所述簇集合中各点之间的密度关联关系确定聚类集合与噪声集合，以得到第二异常点。5.根据权利要求4所述的基于监测数据分析的大...

【专利技术属性】
技术研发人员：沈芳芳，罗昌泰，胡良，陈俊豪，邓邦骏，张明翀，吴泽隆，廖艺惠，
申请(专利权)人：南昌工程学院，
类型：发明
国别省市：