混凝土坝运行关键部位分区监控方法及模型技术

本发明专利技术涉及混凝土坝结构安全监测技术领域，尤其是指一种混凝土坝运行关键部位分区监控方法、模型及存储介质。本发明专利技术所述的混凝土坝运行关键部位分区监控方法，首先利用提取的监测数据时频向量对混凝土坝进行关键部位划分，在此基础上，获取时空相关性高的不同类型监测仪器的时序测值数据，以此建立图结构，捕获多元时序数据的时间维度和变量维度依赖关系，提供图注意力网络进一步学习和表征这种关系，获取时序测值数据的最终特征表示，最后通过最终特征表示计算异常分数来检测异常；实现了多类型监测仪器多测点互补互验，充分体现了混凝土坝的结构整体性和空间分布规律。混凝土坝的结构整体性和空间分布规律。混凝土坝的结构整体性和空间分布规律。

【技术实现步骤摘要】
混凝土坝运行关键部位分区监控方法及模型


[0001]本专利技术涉及混凝土坝结构安全监测
，尤其是指一种混凝土坝运行关键部位分区监控方法及模型。

技术介绍

[0002]混凝土坝结构安全监测仪器布设以兼顾结构安全性和工程经济性为原则，依据拱梁分载法计算成果，按照控制关键部位、注重时空关系、重点部位多类型监测仪器互为备用且相互验证的技术要求，以水平拱圈为拱向监测基面，以竖直坝段为梁向监测截面，将各类监测仪器部署在监测基面和监测截面上，构成混凝土坝拱梁监测空间网格体系。
[0003]通过布设于拱梁监测空间网格的测点，可以采集到反映混凝土坝运行状态的监测数据，在受到外界因素影响下，各部位的同类或多类监测数据存在一定的相关性，这种相关性主要表现在相同或相近部位监测数据时序趋势的相似性。
[0004]因内外荷载对混凝土坝结构部位影响甚至破坏具有随机性，尚缺乏通过结构监测数据分析进而动态确定关键部位的手段。而针对具体的监测部位的监控模型，目前普遍使用具有较高关联度的同类型仪器监测数据构建多测点关联模型开展结构部位诊断分析，而缺乏采用多类型仪器监测数据建立分区监控模型的相关研究，未能满足结构监测效应量须通过多类型仪器监测数据互验互证、综合分析的技术要求。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题在于克服现有技术中混凝土坝受各类荷载作用时关键部位难以动态划分，同时仅通过单一类型监测仪器测值数据，无法准确诊断关键部位运行性态的问题。
[0006]为解决上述技术问题，本专利技术提供了一种混凝土坝运行关键部位分区监控方法，包括：
[0007]对混凝土坝运行关键部位进行区域划分，并获取某一分区中不同类型监测仪器的时序测值数据；
[0008]对所述时序测值数据分别在时间和变量维度上建立图结构，得到时间特征图和变量特征图；
[0009]将所述时间特征图和所述变量特征图分别输入时间图注意力网络和变量图注意力网络，得到时间注意力矩阵和变量注意力矩阵；
[0010]将所述时序测值数据、所述时间注意力矩阵和所述变量注意力矩阵拼接起来输入门控卷积网络，得到目标特征；
[0011]根据所述目标特征计算异常分数，若所述异常分数超过预设阈值，则判定为运行异常。
[0012]优选地，所述对混凝土坝运行关键部位进行区域划分包括：
[0013]根据混凝土坝运行关键部位的测点时频向量和测点空间向量，构建测点时频向量
时空数据矩阵；
[0014]对所述测点时频向量时空数据矩阵采用高斯混合聚类，并将混凝土坝安全测点的空间信息作为成分数量的先验知识，构建空间约束下的混凝土坝运行关键部位划分模型；
[0015]采用期望最大化算法对所述混凝土坝运行关键部位划分模型的参数进行迭代优化求解；
[0016]利用迭代优化好的混凝土坝运行关键部位划分模型对混凝土坝运行关键部位进行划分。
[0017]优选地，所述测点时频向量的获取过程包括：
[0018]利用小波包变换对历史混凝土坝结构监测数据进行分解，并计算第M层小波包系数；
[0019]对所述第M层小波包系数中的每个低频系数提取时域向量；
[0020]计算第M层每个小波包系数的小波能量谱，并提取频域向量；
[0021]对多个低频系数对应的时域向量和多个小波包系数对应的频域向量分别进行归一化处理，并根据归一化后的时域向量和频域向量计算得到测点时频向量。
[0022]优选地，所述对所述时序测值数据分别在时间和变量维度上建立图结构，得到时间特征图和变量特征图包括：
[0023]为所述时序测值数据中的每个变量均设置一个嵌入向量；
[0024]根据任意两个变量对应的嵌入向量计算变量相关性；
[0025]对任意一个变量，在空间图中，将其与其变量相关性最大的前K个邻居变量用边连接，得到所述变量特征图；
[0026]对所述时序测值数据，在滑动时间窗口中每个时间点设置一个嵌入向量和位置编码；
[0027]根据任意两个时间点对应的嵌入向量计算时间相关性；
[0028]对任意一时间点的数据，在空间图中，将其与其时间相关性最大的前K个邻居时间点的数据用边连接，得到所述时间特征图。
[0029]优选地，所述将所述时间特征图和所述变量特征图分别输入时间图注意力网络和变量图注意力网络，得到时间注意力矩阵和变量注意力矩阵包括：
[0030]将所述变量特征图分别输入所述变量图注意力网络中的多头注意力模块、指标内注意力模块和指标间注意力模块，捕获多元时间测值数据间的变量依赖性、同类型监测仪器下所有测点的相关性和不同类型监测仪器下所有测点的相关性；
[0031]将所述多头注意力模块的输出、所述指标内注意力模块的输出和所述指标间注意力模块的输出进行拼接，得到所述变量注意力矩阵；
[0032]将所述时间特征图分别输入所述时间图注意力网络中，结合位置编码，利用多头注意力模块聚合邻居时间点的数据更新每个时间点的特征表示，得到所述时间注意力矩阵。
[0033]优选地，所述根据所述目标特征计算异常分数包括：
[0034]将所述目标特征输入预测模块和重构模块，得到预测值和重构概率；
[0035]根据所述预测值和所述重构概率计算所述异常分数。
[0036]优选地，所述预测模块为多层感知机。
[0037]优选地，所述重构模块包括判别器和自编码器。
[0038]优选地，所述根据所述预测值和所述重构概率计算所述异常分数的计算公式为：
[0039][0040]其中，为预测值，x
i
为实测值，y2为平衡预测模块和重构模块的超参数，p
i
为所述重构概率。
[0041]本专利技术还提供了混凝土坝运行关键部位分区监控模型，包括：
[0042]数据获取模块，用于对混凝土坝运行关键部位进行区域划分，并获取某一分区中不同类型监测仪器的时序测值数据；
[0043]特征图构建模块，用于对所述时序测值数据分别在时间和变量维度上建立图结构，得到时间特征图和变量特征图；
[0044]注意力机制模块，用于将所述时间特征图和所述变量特征图分别输入时间图注意力网络和变量图注意力网络，得到时间注意力矩阵和变量注意力矩阵；
[0045]目标特征获取模块，用于将所述时序测值数据、所述时间注意力矩阵和所述变量注意力矩阵拼接起来输入门控卷积网络，得到目标特征；
[0046]异常检测模块，用于根据所述目标特征计算异常分数，若所述异常分数超过预设阈值，则判定为运行异常。
[0047]本专利技术的上述技术方案相比现有技术具有以下优点：
[0048]本专利技术所述的混凝土坝运行关键部位分区监控方法，在对混凝土坝关键部位分区的基础上，获取时空相关性高的不同类型监测仪器的时序测值数据，以此建立图结构，捕获多元时序数据的时间维度和变量维度依赖关系，提供图注意力网络进一步学习和表征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混凝土坝运行关键部位分区监控方法，其特征在于，包括：对混凝土坝运行关键部位进行区域划分，并获取某一分区中不同类型监测仪器的时序测值数据；对所述时序测值数据分别在时间和变量维度上建立图结构，得到时间特征图和变量特征图；将所述时间特征图和所述变量特征图分别输入时间图注意力网络和变量图注意力网络，得到时间注意力矩阵和变量注意力矩阵；将所述时序测值数据、所述时间注意力矩阵和所述变量注意力矩阵拼接起来输入门控卷积网络，得到目标特征；根据所述目标特征计算异常分数，若所述异常分数超过预设阈值，则判定为运行异常。2.根据权利要求1所述的混凝土坝运行关键部位分区监控方法，其特征在于，所述对混凝土坝运行关键部位进行区域划分包括：根据混凝土坝运行关键部位的测点时频向量和测点空间向量，构建测点时频向量时空数据矩阵；对所述测点时频向量时空数据矩阵采用高斯混合聚类，并将混凝土坝安全测点的空间信息作为成分数量的先验知识，构建空间约束下的混凝土坝运行关键部位划分模型；采用期望最大化算法对所述混凝土坝运行关键部位划分模型的参数进行迭代优化求解；利用迭代优化好的混凝土坝运行关键部位划分模型对混凝土坝运行关键部位进行划分。3.根据权利要求2所述的混凝土坝运行关键部位分区监控方法，其特征在于，所述测点时频向量的获取过程包括：利用小波包变换对历史混凝土坝结构监测数据进行分解，并计算第M层小波包系数；对所述第M层小波包系数中的每个低频系数提取时域向量；计算第M层每个小波包系数的小波能量谱，并提取频域向量；对多个低频系数对应的时域向量和多个小波包系数对应的频域向量分别进行归一化处理，并根据归一化后的时域向量和频域向量计算得到测点时频向量。4.根据权利要求1所述的混凝土坝运行关键部位分区监控方法，其特征在于，所述对所述时序测值数据分别在时间和变量维度上建立图结构，得到时间特征图和变量特征图包括：为所述时序测值数据中的每个变量均设置一个嵌入向量；根据任意两个变量对应的嵌入向量计算变量相关性；对任意一个变量，在空间图中，将其与其变量相关性最大的前K个邻居变量用边连接，得到所述变量特征图；对所述时序测值数据，在滑动时间窗口中每个时间点设置一个嵌入向量和位置编码；根据任意两个时间点对应的嵌入向量计算时间相关性；对任意一时间点的数据，在空间图中，将其与其时间相关性最大的前K个邻居时间点的数据用边连接，得到所述时间...

【专利技术属性】
技术研发人员：陈豪，肖海斌，包腾飞，吴明波，余记远，聂兵兵，朱立新，施海鹰，郭锐，郭海峰，陈晋宇，安永发，
申请(专利权)人：河海大学，
类型：发明
国别省市：