CN106022966A - 一种基于增量判别的水电工程安全监测数据粗差处理方法 - Google Patents

Abstract

本发明涉及一种基于增量判别的水电工程安全监测数据粗差处理方法，属于水电工程安全监测技术领域。该方法对监测数据求取两相邻测值的增量形成新的增量数据序列，在对该增量序列依次进行莱茵达准则判别，若满足增量序列测值和下一增量序列测值符合莱茵达准则、下下一增量序列测值不符合莱茵达准则的条件，则判断该增量序列测值所对应的原始测值为尖点异常值，应予以剔除并重新插值补充。本方法方法可有效识别并剔除尖点异常值，解决传统人工识别效率低下易错的问题，并提高了生产效率，节约了生产成本，为监测报表等后续工作提供了坚实基础。

Description

一种基于增量判别的水电工程安全监测数据粗差处理方法

技术领域

本发明属于水电工程安全监测技术领域，具体涉及一种基于增量判别的水电工程安全监测数据粗差处理方法。

背景技术

近年来我国水电发展尤为迅速，一大批水电枢纽已完建开始投入运行，由于水电工程规模庞大，关系到库区和下游人民生命财产安全，因而无论是在建设期还是运行期，都需定期评估大坝的运行性态。生产实际中，由于环境扰动、信号干扰、测量误差等各种原因导致大坝安全监测数据出现异常，为了有效识别并剔除异常值以便为下一步的建筑物预警及报表生成提供依据，因而有必要研究一种可以针对水电工程安全监测数据粗差处理的方法。

发明内容

本发明的目的是为了解决现有技术的不足，提供一种基于增量判别的水电工程安全监测数据粗差处理方法，以有效识别并剔除异常值，为后续工作提供扎实基础。

为实现上述目的，本发明采用的技术方案如下：

一种基于增量判别的水电工程安全监测数据粗差处理方法，包括如下步骤：

步骤(1)，对于工程安全监测中的某一测点的监测数据序列x₁,x₂,…,x_n(n＞10)，依次求取两相邻测值的增量Δx_i＝x_i+1-x_i(i＝1,2,…,n-1)，得到增量数据序列Δx₁,Δx₂,…,Δx_n-1；

步骤(2)，求取增量数据序列的平均值和标准差并对增量数据Δx_i依次进行莱茵达准则判别(亦称3σ准则)，具体判别方法如下：

a.若增量数据序列值Δx_i不满足则进行下一增量数据序列值的检查；

b.若增量数据序列值Δx_i满足且下一增量数据序列值Δx_i+1也满足该不等式，且下下一测值Δx_i+2不满足该不等式，则增量序列测值Δx_i所对应的原测值x_i+1为尖点异常测值，予以剔除，并将在原测值位置替换成新测值

c.若增量数据序列值Δx_i满足但下一测值Δx_i+1不满足该不等式，则进行下一增量数据序列值的检查；

按照以上判别方法依次对所有增量数据序列值进行判别，得到新的监测数据序列。

通过对测值两相邻增量形成的新序列进行莱茵达法则判别，根据判别结果确定某测值是否为异常值，从而达到对监测数据粗差处理的目的。对测值而言，所述的测点可以是测缝计、应变计、多点位移计、测斜仪、压应力计等的监测数据，但不仅限于上述监测仪器。

监测数据为测缝计、应变计、多点位移计、测斜仪或压应力计监测得到的数据。

常规3σ准则为针对若干次独立等精度测量结果x₁,x₂,…,x_n计算其算术平均值若测量结果剩余误差大于3倍标准误差，即则表示该测量结果为异常数据，由于常规3σ准则基于测值属于正态分布类型，而从实际情况来看，常规3σ准则判断相关联性差，容易导致误判，误判率较高。

本发明与现有技术相比，其有益效果为：

本发明通过建立一种基于增量判别的水电工程安全监测数据粗差处理方法，有效识别并剔除了水电工程安全监测数据中的尖点异常值，解决了传统人工识别效率低下易错的问题，为监测数据的后续处理提供了坚实基础。

本发明针对海量的监测数据，只需输入时间即可自适应搜索最匹配的原始记录，并对原始记录进行粗差处理，识别并剔除尖点异常值，本发明方法将大大提高水电工程在施工期、运行期内的安全监测数据粗差的识别效率，并极大提高了生产效率，节约了生产成本，为监测报表等后续工作提供了坚实基础。同时，对于中国西部完建、在建、拟建万余座水库大坝，本发明的市场需求和经济效益均较为显著。

使用传统人工方法对100万条测缝计开合度数据导入到Excel进行粗差处理大致需要1人工日，而使用前述方法编制计算机程序后，处理相同数据仅需要93秒，加上后续人工检验也只需0.2人工日，提高生产效率80％以上，且处理准确性也大大提高，降低误判率80％以上。由于大坝施工期及运行期每天都会有大量的监测数据产生，每周都需要对数据进行粗差处理，按每次减少工作量80％估计，按每人工日400元计，对一座水电站而言，每月节省生产成本1280元，年节约成本15360元。

附图说明

图1是本发明实施例中测缝计开合度测值过程线。

图2是本发明实施例中经过粗差处理后的测缝计测值过程线。

具体实施方式

下面结合实施例对本发明作进一步的详细描述。

本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过购买获得的常规产品。

表1是本发明实施例中某水电站22#坝段某测点(C4-A22-J-17)的部分监测数据表。

表2是本发明实施例中增量序列值及其偏差值表。

表3是本发明实施例中经过粗差处理后的测值表。

本发明的具体实例如下，

(A)针对给定的时间范围，自适应搜索并导出数据库中最接近给定时间范围的原始记录；

某水电站22#坝段某测点(C4-A22-J-17)的部分监测数据如表1所示。以下需要导出2013年10月5日7：00～2013年10月26日9:00的数据。

表1 某水电站22#坝段某测点编号为C4-A22-J-17的部分监测数据

搜索表1的原始数据，与给定时间段2013年10月5日7：00～2013年10月26日9:00最匹配的数据为序号2～25的数据，将其导出，绘制如图1所示的测值过程线。

(B)针对给出的数据序列x₁,x₂,…,x_n(n＞10)依次进行判断，分别计算相邻两测值的增量Δx_i＝x_i+1-x_i(i＝1,2,…,n-1)，得到增量数据序列Δx₁,Δx₂，…，Δx_n-1，即(x₂-x₁),(x₃-x₂)，…，(x_i-x_i-1),…,(x_n-x_n-1)，求取该增量序列的平均值和标准偏差

对表1中的序号2～25的数据形成新测值序列x₁,x₂,…,x_n(n＝24)依次求取相邻两测值的增量Δx_i＝x_i+1-x_i(i＝1,2,…,n-1)，形成新的增量数据序列Δx₁,Δx₂,…,Δx_n-1(n＝24)如下：

-0.01，0.01，-0.01，-0.01，0.02，0，0，0，0.03，-0.04，0，41.57，-41.55，-0.02，0.03，0，-0.01，0，0.03，-0.03，0，-0.02，0.02。

上述增量数据的平均值为

上述增量数据序列的3倍标准偏差为

(C)对该增量序列的每个测值依次进行莱茵达准则判别(亦称3σ准则)，即式中Δx_i为当前测值；

具体判别方法如下：

a.若增量数据序列值Δx_i不满足则进行下一增量数据序列值的检查；

b.若增量数据序列值Δx_i满足且下一增量数据序列值Δx_i+1也满足该不等式，且下下一测值Δx_i+2不满足该不等式，则增量序列测值Δx_i所对应的原测值x_i+1为尖点异常测值，予以剔除，并将在原测值位置替换成新测值

c.若增量数据序列值Δx_i满足但下一测值Δx_i+1不满足该不等式，则进行下一增量数据序列值的检查；

按照以上判别方法依次对所有增量数据序列值进行判别，得到新的监测数据序列。

依次计算上述增量序列中每个测值及其偏差值如表2所示。

表2 增量数据序列值及相应的偏差值表

(D)通过比较每行与大小可知，连续两序列值41.57和-41.55偏差值超过了3倍标准差，紧后序列值-0.02未超过上述标准，属于前述判别方法中的b情况，属于尖点异常数据，应剔除原始测值序列x_i中的第14行数据，即表1中2013/10/16 8:00所对应的测值42mm。并将在原测值位置替换成新测值

测值-41.55虽满足偏差超过3倍标准差，但其紧后测值-0.02不满足，则不属于前述b情况，属于前述c情况，不予剔除。

(E)经过粗差处理后的测缝计测值数据如表3所示，其开合度过程线如图2所示。

表3 经过粗差处理后的测值数据

对大坝安全监测而言，每种仪器的监测数据(测缝计、应变计、多点位移计、测斜仪、压应力计等等)在生成报表之前都需要对其进行粗差处理，筛选出明显的异常值方能进行下一步工作。而大坝安全监测规范要求大坝安全监测周报、月报以及年报均需要对该时间段内的监测数据进行粗差处理、整编后方可用于生成报表。前述针对测缝计开合度的监测数据进行粗差处理仅用于说明该方法的步骤，并不局限于测缝计。因而本发明的处理方法可对大坝施工期和运行期的大坝安全监测发挥重要作用。

使用传统人工方法对100万条测缝计开合度数据导入到Excel进行粗差处理大致需要1人工日，而使用前述方法编制计算机程序后，处理相同数据仅需要93秒，加上后续人工检验也只需0.2人工日，提高生产效率80％以上，且处理准确性也大大提高，降低误判率80％以上。由于大坝施工期及运行期每天都会有大量的监测数据产生，每周都需要对数据进行粗差处理，按每次减少工作量80％估计，按每人工日400元计，对一座水电站而言，每月节省生产成本1280元，年节约成本15360元。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (2)

1.一种基于增量判别的水电工程安全监测数据粗差处理方法，其特征在于，包括如下步骤：

步骤(1)，对于工程安全监测中的某一测点的监测数据序列x₁,x₂,…,x_n(n＞10)，依次求取两相邻测值的增量Δx_i＝x_i+1-x_i(i＝1,2,…,n-1)，得到增量数据序列Δx₁,Δx₂,…,Δx_n-1；

步骤(2)，求取增量数据序列的平均值和标准差然后对增量数据Δx_i依次进行莱茵达准则判别；具体判别方法如下：

a.若增量数据序列值Δx_i不满足则进行下一增量数据序列值的检查；

b.若增量数据序列值Δx_i满足且下一增量数据序列值Δx_i+1也满足该不等式，且下下一测值Δx_i+2不满足该不等式，则增量序列测值Δx_i所对应的原测值x_i+1为尖点异常测值，予以剔除，并将在原测值位置替换成新测值

c.若增量数据序列值Δx_i满足但下一测值Δx_i+1不满足该不等式，则进行下一增量数据序列值的检查；

按照以上判别方法依次对所有增量数据序列值进行判别，得到新的监测数据序列。

2.根据权利要求1基于增量判别的水电工程安全监测数据粗差处理方法，其特征在于，监测数据为测缝计、应变计、多点位移计、测斜仪或压应力计监测得到的数据。