【技术实现步骤摘要】
本专利技术设计拱坝变形监测技术，具体涉及一种基于beta函数和分离式建模的拱坝变形监控方法。
技术介绍
1、坝体变形具有易监测、精度高等特点，是拱坝运行性态最直观、可靠的反映，根据拱坝变形监测数据建立稳健可靠的监控模型是实时掌握拱坝运行状态、降低拱坝运行风险的重要手段之一。目前拱坝变形监控采用最广泛的数学模型是多元统计回归模型，该类模型认为坝体变形由水压分量、温度分量及时效分量构成，常见模型有hst、hstt等。在该类多元统计回归模型构建过程中，模型参数按最小二乘法一次性全部确定，各分量间会相互补偿以保证模型在数据集上具有较高的拟合精度，这可能会导致模型捕捉到监测数据中的无效信息，从而出现过度拟合现象，即模型预测精度远低于拟合精度，出现较高的误判率。另一方面，分量的构建形式显著影响模型性能，拱坝由于其特殊的壳体超静定结构而对温度特别敏感，故温度分量的构建会对监控模型性能起支配作用。目前常采用的周期三角函数、平均温度等温度分量构建方法难以较好表示拱坝坝体内部温度场以及坝体温度相对于外界温度的滞后效应，致使最终得到的模型对拱坝变形监测存在一定的误判率。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的基于beta函数和分离式建模的拱坝变形监控方法解决了传统拱坝变形监控模型存在的过度拟合及温度分量构建不恰当存在误判的问题。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：
3、提供一种基于beta函数和分离式建模的拱坝变形监控方法，其包括步骤
4、采集环境气温及待监测拱坝的变形数据和水位信息；
5、根据采集的变形数据、环境气温和水位信息，采用拱坝变形监测模型计算拱坝变形拟合值，拱坝变形监测模型为：
6、δ(t)＝δh(t)+δt(t)+δθ(t)………(1)
7、
8、
9、
10、其中，δ(t)为t时刻的拱坝变形拟合值；δh(t)为t时刻的水压变形；δt(t)为t时刻的温度变形；δθ(t)为t时刻的时效变形；θ(t)＝(t-t0)/100，t0为起测时间；ai(i＝1,...,4)、m、α、β均为模型参数；beta(d|α,β)为第d天环境气温影响权值；tair(d)为第d天的环境气温；δt为测值采集间隔时间；t*为环境气温对坝体温度计的影响时长；bi(i＝0,...,4)为回归系数；h(t)为归一化后的水位；h(t)、hmin、hmax分别为水库实测水位、死水位和历史最高水位；
11、获取分位值ε1与ε2，并根据分位值ε1与ε2和拱坝变形拟合值δ(t)，计算模型监控预警区间[δ(t)+ε1,δ(t)+ε2]；
12、判断采集的待监测拱坝的变形数据是否位于模型监控预警区间，若是，则待监测拱坝运行正常，否则发出待监测拱坝运行异常预警。
13、上述技术方案的有益效果为：首先通过分离式技术将监测数据中的水压、温度与时效分量分离，然后分别建模，避免了分量之间的相互补偿，改善了多元统计回归模型的过度拟合问题。同时，采用beta函数模拟坝体温度相对于气温的滞后性，从而建立起更加符合实际的考虑温度滞后性的温度分量模型。通过所提出的方法可建立性能更优的拱坝变形监控模型，提高模型泛化能力，大幅降低模型误判率。
14、进一步地，模型参数m、α、β的获取方法包括：
15、采用改进的自适应噪声完备集合经验模态提取待监测拱坝的变形数据中的时效分量及水压分量和温度分量之和；
16、利用等水位条件从待监测拱坝的变形数据剩余周期项中分离出温度效应量；
17、通过增量反演原理结合温度效应量，优化目标函数得到模型参数m、α、β，目标函数为：
18、
19、其中，δδ′c为通过等水位条件提取的第c组温度变化引起的实际变形增量；δδc为根据环境气温数据及模型参数m、α、β通过式(3)计算的第c组温度变形增量；n为等水位条件提取得到的温度变形组数。
20、上述技术方案的进一步效果为：iceemdan结合等水位条件将时效、水压、温度分量从原始监测序列中分离，并使用beta函数对温度分量单独建模，避免了分量之间相互影响的同时，考虑了坝体温度相对于气温的滞后性，更加符合拱坝的实际运行特点，提高监控模型预测精度。
21、进一步地，分位值ε1与ε2的获取方法包括：
22、获取拱坝在过去预设时间段内的观测变形序列δ(t)g，并采用公式(1)～(4)计算与观测变形序列δ(t)g对应的拟合值序列δ(t)n；
23、根据观测变形序列δ(t)g和拟合值序列δ(t)n，计算模型残差序列ε(t)＝δ(t)g-δ(t)n；
24、采用matlab软件核密度函数估计残差正态分布f(ε)，根据预设置信度得到f(ε1)、f(ε2)对应的分位值ε1与ε2。
25、上述技术方案的进一步效果为：所建模型可以给出明确的监控预警指标，在拟合值的基础上叠加监控预警指标即可得到监控预警区间，该监控区间可以实时对新采集数据进行检测以及时发现大坝性态异常。
26、进一步地，模型参数ai(i＝1,…,4)的获取方法包括：
27、采用改进的自适应噪声完备集合经验模态提取待监测拱坝的变形数据中的时效分量及水压分量和温度分量之和；
28、根据时效分量，采用1stopt15pro软件计算确定模型参数ai(i＝1,...,4)。
29、上述技术方案的进一步效果为：采用复合指数函数对提取的时效分量单独建模，并用1stopt15pro的寻优算法率定其参数，避免了分量间的相互干扰并提高了时效分量的拟合精度。
30、进一步地，采用改进的自适应噪声完备集合经验模态提取待监测拱坝的变形数据中的时效分量及水压分量和温度分量之和的方法包括：
31、a1、构造δ*(t)＝δ(t)c+σ0e1(w(t))，采用经验模态分解emd计算第一残余序列：
32、r1(t)＝<m(δ*(t))>
33、其中，δ(t)c为t时刻待监测拱坝的变形数据；δ*(t)为δ(t)c叠加可控噪声后的新变形序列；σ0为计算第1模态所需的噪声标准差；e1(·)为emd得出的第1模态的分解算子；w(t)为添加零均值单位方差的白噪声序列；r1(t)为t时刻的第1个残余序列；m(·)为局部均值；
34、a2、计算第一阶模态：
35、imf1(t)＝δ(t)c-r1(t)
36、其中，imf1(t)为第一阶模态；
37、a3、令第二残余序列为r1(t)+σ1e2(w(t))的均值，则第二阶模态imf2(t)：
38、imf2(t)＝r1(t)-r2(t)＝r1(t)-<m(r1(t)+σ1e2(w(t)))<
39、其中，<·>代表取均值；r2(t)为t时刻的第2个残余序列；e2本文档来自技高网...
【技术保护点】
1.基于Beta函数和分离式建模的拱坝变形监控方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于Beta函数和分离式建模的拱坝变形监控方法，其特征在于，模型参数m、α、β的获取方法包括：
3.根据权利要求1所述的基于Beta函数和分离式建模的拱坝变形监控方法，其特征在于，分位值ε1与ε2的获取方法包括：
4.根据权利要求1所述的基于Beta函数和分离式建模的拱坝变形监控方法，其特征在于，模型参数ai(i＝1,...,4)的获取方法包括：
5.根据权利要求2所述的基于Beta函数和分离式建模的拱坝变形监控方法，其特征在于，采用改进的自适应噪声完备集合经验模态提取待监测拱坝的变形数据中的时效分量及水压分量和温度分量之和的方法包括：
6.根据权利要求1-5任一所述的基于Beta函数和分离式建模的拱坝变形监控方法，其特征在于，所述置信区间为95％，F(ε1)＝2.5％、F(ε2)＝97.5％。
【技术特征摘要】
1.基于beta函数和分离式建模的拱坝变形监控方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于beta函数和分离式建模的拱坝变形监控方法，其特征在于，模型参数m、α、β的获取方法包括：
3.根据权利要求1所述的基于beta函数和分离式建模的拱坝变形监控方法，其特征在于，分位值ε1与ε2的获取方法包括：
4.根据权利要求1所述的基于beta函数和分离式建模的拱坝变形监控方法，其特征在于...
【专利技术属性】
技术研发人员：陶国，刘贵省，陈亚庆，吴宗亚，杨明发，冯涛，吴震宇，卢祥，邱勇，杨明山，
申请(专利权)人：国家电投集团贵州金元威宁能源股份有限公司象鼻岭水电站，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。