CN115456331A - 多维多测点模型在线监控算法在监测分析系统平台的应用 - Google Patents
多维多测点模型在线监控算法在监测分析系统平台的应用 Download PDFInfo
- Publication number
- CN115456331A CN115456331A CN202210930231.7A CN202210930231A CN115456331A CN 115456331 A CN115456331 A CN 115456331A CN 202210930231 A CN202210930231 A CN 202210930231A CN 115456331 A CN115456331 A CN 115456331A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- dam
- data
- model
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 135
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 230000009471 action Effects 0.000 claims abstract description 6
- 238000007499 fusion processing Methods 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 63
- 238000007619 statistical method Methods 0.000 claims description 16
- 238000013179 statistical model Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 14
- 230000001419 dependent effect Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000001364 causal effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 238000011068 loading method Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000010835 comparative analysis Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012916 structural analysis Methods 0.000 claims description 3
- 238000003696 structure analysis method Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 1
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了多维多测点模型在线监控算法在监测分析系统平台的应用包括：基于大坝的结构特点和实际运行情况选择大坝的监测项目和监测点；采集所述监测点的数据并对所述数据以及历史数据进行数据融合处理，并进行数据计算和整编分析；基于数据分析需求建立监控模型，对大坝的工作性态进行分析。本发明根据所建立的模型分离出来的各作用分量来解释和分析大坝的工作性态；引入了在线监控测点的选取原则和方法智能应用，为在线监控智能化、信息化提供了理论依据和技术保障；本发明不仅可以更加深入、全面的了解大坝安全监测运行情况，而且提升了安全监测信息化、智能化程度，为全面了解大坝运行安全状况提供有效手段。
Description
技术领域
本发明涉及大坝安全监测分析系统开发技术领域，具体为多维多测点模型在线监控算法在监测分析系统平台的应用。
背景技术
大坝作为水利工程枢纽的重要组成部分，在调节水资源时空分布中发挥着巨大的工程效益，在国民经济和社会发展起到了十分重要的作用。大坝作为水工建筑物，在长期运行过程中不仅承受来自于外荷载的长期作用，且受到周围地质结构的影响，其运行过程中存在一定的风险。大坝安全监测是人们了解大坝运行性态和安全状况的有效手段，也是保证大坝安全运行重要的非工程措施。为及时掌握大坝运行状况，及时了解存在的安全隐患，通常采用多种方法对大坝不同部位进行多方位监测，以获得大坝不同空间测点的变形值。
现有的常用技术方法主要是利用置信区间法、典型小概率法和极限状态法等统计分析方法，研究每个监控测点测值是否出现异常情况的监控分析方法，包括测点测值的变化区间、变化规律、变化趋势、周期、最大值、统计特征值等，建立单测点监控分析模型，通过对单个测点测值的监控发现大坝出现异常现象。但由于外界荷载对大坝的作用是整体性的，单测点模型只反映了单个测点的变化，没考虑监测量的空间分布因素，不能反映监测量的内在机理，不能够全面反映大坝的实际情况，当监控测点数较多时，每个测点每个方向都要建立各自的监控模型，效果不好且费时费力，因而有一定局限性。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：如何在监测大坝实际运行工作状态时，考虑监测量的空间分布因素，反映监测量的内在机理，有效处理多监控测点以全面反映大坝实际运行情况。
为解决上述技术问题，本发明提供如下技术方案：多维多测点模型在线监控算法在监测分析系统平台的应用，包括：
基于大坝的结构特点和实际运行情况选择大坝的监测项目和监测点；
采集所述监测点的数据并对所述数据以及历史数据进行数据融合处理，并进行数据计算和整编分析；
基于数据分析需求建立监控模型，对大坝的工作性态进行分析。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述选择大坝的监测项目和监测点，包括：
基于以下四个原则选取监测效应量及测点：
所选效应量应该能够直观反映大坝运行性状某一方面的特征；
所选效应量应该具有代表性，能够较为完整地反映大坝运行性状；
在同一所选效应量下，应有多个测点数据，以降低随机测量误差；
所选效应量应能采用已有的分析方法进行度量，能有利于实施融合诊断。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述进行数据计算，包括：
基于数据处理软件计算各监测点的应力应变、渗流渗压、变形监测数据。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述进行数据整编分析，包括：
采用比较法、绘图法、特征值统计法及时程分析法对各个检测点的数据计算结果进行展示并观察数据变化形式及数据变化量。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述基于数据分析需求建立监控模型，包括：
利用统计分析、对比分析、相关性分析、趋势分析，建立统计模型、混合模型、确定性模型和基于智能算法的监控模型，并根据模型分离出来的各作用分量来解释和分析大坝的工作性态。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述统计模型，包括：
根据正常运行状态下某一效应量的实测数据，通过统计分析建立起效应量与原因量之间相互关系的数学模型即：观测数据的函数关系式，表示为：
y＝f(x1、x2、x3、…、xn)
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；
根据观测数据的函数关系式，利用统计学方法建立回归方程，即统计模型，表示为：
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；b0表示常数项，b1、b2…bn表示回归系数；
水工建筑物的观测值大致可以归纳为两大类：第一类为荷载集，即大坝所承受的荷载及外界条件；第二类为荷载效应集，即反映大坝的工作状态；通常将荷载集称为自变量、效应量或预报因子，用x1、x2、x3、…、xn表示；荷载效应集称为因变量、原因量或预报量，用y表示。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述统计模型，还包括：
采用逐步回归法选取关系显著的重要因子，排除关系不大的次要因子；对逐步回归法每一步选入的重要因子作显著性检验；若检验结果为显著，则继续进行重要因子的选择，并将其加入回归方程中；若检验结果为不显著，则结束挑选重要因子；并基于已选择的重要因子建立最优回归方程，具体过程表示为：
……
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；b0表示常数项，b1、b2…bm表示回归系数；
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述统计模型，还包括：
对回归方程中的因子进行剔除检验，检验方程内各因子重要性，剔除不重要的因子，使最终的回归方程只保留重要因子，以实现双重检验的逐步回归。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述确定性模型，包括：
基于水工结构分析的方法建立原因量与效应量之间的因果关系式；采用强度理论对坝的结构进行分析计算。
作为本发明所述的多维多测点模型在线监控算法在监测分析系统平台的应用的一种优选方案，其中：所述确定性模型，还包括：
基于结构分析计算结果对大坝结构进行判断，判断标准具体为：当在同种条件下某一效应量的实测值与模型预报值之差，处于容许的范围之内时，则认为该部位处于正常状态，否则为不正常。
本发明的有益效果：本发明利用统计分析、对比分析、相关性分析、趋势分析等，建立统计模型、混合模型、确定性模型和基于智能算法的监控模型，根据模型分离出来的各作用分量来解释和分析大坝的工作性态；引入了在线监控测点的选取原则和方法智能应用，为在线监控智能化、信息化提供了理论依据和技术保障；本发明不仅可以更加深入、全面的了解大坝安全监测运行情况，而且提升了安全监测信息化、智能化程度，为全面了解大坝运行安全状况提供有效手段。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的大坝安全在线监控流程图；
图2为本发明一个实施例提供的多源信息融合诊断模式图；
图3为本发明一个实施例提供的基于有限元模型结合实测数据对大坝运行现状进行综合计算分析结果示意图；
图4为本发明一个实施例提供的利用统计模型计算大坝参数的结果示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～2，为本发明的一个实施例，提供了多维多测点模型在线监控算法在监测分析系统平台的应用，包括：
S1：基于大坝的结构特点和实际运行情况选择大坝的监测项目和监测点。
进一步的，基于以下四个原则选取监测效应量及测点：
①所选效应量应该能够直观反映大坝运行性状某一方面的特征；
②所选效应量应该具有代表性，能够较为完整地反映大坝运行性状；
③在同一所选效应量下，应有多个测点数据，以降低随机测量误差；
④所选效应量应能采用已有的分析方法进行度量，能有利于实施融合诊断。
应说明的是，当对混凝土重力坝进行监测时，可选的监测效应量较多，包括坝体温度、位移、渗流量、应力、扬压力等多个方面；若引入效应量过多，由于部分效应量之间存在线性关系，容易造成数据冗余，导致分析效率低下；若引入效应量过少，则容易引起数据不足，不能有效反映大坝的真实性态；因此，需要基于以上监测效应量及测点选取原则进行监测项目及测点选取。
更进一步的，结合大坝结构特点及大坝实际运行情况，对所选出的大坝监测项目及测点进行筛选，以获得最终的用于监测的监测项目及监测点。
应说明的是，大坝作为水工建筑物，在长期运行过程中不仅承受来自于外荷载的长期作用，且受到周围地质结构的影响，不同的大坝在结构和实际运行情况上都有所区别，因此，需要根据大坝的坝型特点及监测项目类型，重点研究大坝的表面变形、坝基扬压力、坝段间的测缝计测点的选取和测点与环境量之间的关系，建立适用于大坝的监控测点和监控指标。
S2：采集所述监测点的数据并对所述数据进行融合处理。
应说明的是，检测点的数据采集方式主要为：自主研发的数据采集装置和系统软件。
进一步的，将采集的检测点数据与大坝现场安全检测历史数据进行数据融合。
更进一步的，将融合后的数据进行计算；将数据计算结果通过比较法、绘图法、特征值统计法及时程分析法进行数据展示与整编分析。
应说明的是，采用比较法、绘图法、特征值统计法及时程分析法对各个检测点的数据计算结果进行展示能够更加直观的看出数据变化形式、数据变化量等，更有利于进行数据的整编分析。
更进一步的，将融合后的数据计算结果与日常巡查资料和成果进行结合，获取合理、可靠、有效的安全监测数据资料。
S3：基于数据分析需求建立监控模型，对大坝的工作性态进行分析。
需要知道的是，本实施例中数据分析需求具体包括：对数据进行统计分析、对比分析、相关性分析、趋势分析等；监控模型具体包括：统计模型、确定性模型、混合模型和基于智能算法的监控模型。
进一步的，根据正常运行状态下某一效应量(也是因变量，如位移)的实测数据，通过统计分析建立起效应量与原因量(也是自变量，如水位、温度)之间相互关系的数学模型即：观测数据的函数关系式，表示为：
y＝f(x1、x2、x3、…、xn)
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量。
需要知道的是，水工建筑物的观测值大致可以归纳为两大类：第一类为荷载集，即大坝所承受的荷载及外界条件，如水压力、泥砂压力、温度(包括气温、水温、坝体混凝土和坝基的温度)、地震荷载等；第二类为荷载效应集，即反映大坝的工作状态，如变形、裂缝开度、应力、应变、扬压力或孔隙水压力、渗流量和水质等。
通常将荷载集称为自变量、效应量或预报因子(用x1、x2、x3、…、xn表示)，荷载效应集称为因变量、原因量或预报量(用y表示)。
更进一步的，根据观测数据的函数关系式，利用统计学方法建立回归方程，即统计模型，表示为：
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；b0表示常数项，b1、b2…bn表示回归系数。
需要知道的是，常用的统计学方法包括：多元回归、逐步回归、加权回归、正交多项式回归和差值回归等，回归分析是建立统计数学模型的一种最主要的方法，本实施例主要使用多元回归法建立统计模型。
应说明的是，采用多元线性回归方程，当离差平方和、剩余平方和以及回归平方和等指标满足要求时，其计算值与实测值的拟合以及预报值较准确，效果较好；其中，指标要求具体为：总离差平方和＝回归平方和+剩余平方和。
更进一步的，采用逐步回归法选取关系显著的重要因子，排除关系不大的次要因子。
应说明的是，逐步回归法对众多因子采取逐步挑选的引进检验，每步只选该步可供选择的各因子中最重要的一个，使选入的因子组成的回归方程比其它因子组成的回归方程有更大的回归平方和(或更小的残差平方和)。
更近一步的，对逐步回归法每一步选入的重要因子作显著性检验。
应说明的是，对选入的重要因子作显著性检验是为了确保每一步选入回归方程的因子师真正重要的因子。
更进一步的，若检验结果为显著，则继续进行重要因子的选择，并将其加入回归方程中；若检验结果为不显著，则结束挑选重要因子，基于已选择的重要因子建立最优回归方程，最优回归方程的建立过程表示为：
……
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；b0表示常数项，b1、b2…bm表示回归系数。
更进一步的，对回归方程中的因子进行剔除检验，使最终的回归方程只保留重要因子，以实现双重检验的逐步回归。
需要知道的是，剔除检验的具体内容为：检验方程内各因子重要性，剔除不重要的因子。
应说明的是，随着新因子的不断选入，使得部分较早选入回归方程的因子的重要性产生变化，因此需要通过剔除检验来保证回归方程中只存在重要因子。
更进一步的，基于水工结构分析的方法建立原因量与效应量之间的因果关系式；采用强度理论对坝的结构进行分析计算。
需要知道的是，水工结构分析的方法主要为：有限元计算、水工模拟算法等；强度理论是指判断材料在复杂应力状态下坝体是否破坏的理论，材料在外力作用下有两种不同的破坏形式：一是在不发生显著塑性变形时的突然断裂,称为脆性破坏；二是因发生显著塑性变形而不能继续承载的破坏，称为塑性破坏。
应说明的是，原因量与效应量之间的因果关系式会随着原因量与效应量之间的变化而有所不同。
更进一步的，基于结构分析计算结果对大坝结构进行判断，判断标准具体为：当在同种条件下某一效应量的实测值与模型预报值之差，处于容许的范围之内时，则认为该部位处于正常状态，否则为不正常。
应说明的是，容许的范围并非一个固定的范围区间，而是结合现场实际环境以及大坝设计指标而决定的。
更进一步的，根据模型分离出来的各作用分量来解释和分析大坝的工作性态，将实测值与各模型的计算值和监控指标等进行对比,并结合日常巡查资料和成果等,跟踪分析大坝的运行状况。
实施例2
参照图3～4，为本发明的一个实施例，提供了多维多测点模型在线监控算法在监测分析系统平台的应用，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
首先，本发明主要是多维多测点模型在线监控算法在监测分析系统平台的应用，重点在于算法实现了与监测系统结合一体的智能化应用方面，在当前行业内的大坝安全监测系统平台内，还没有出现多维多测点模型在线监控算法的智能应用。
其次，现有用于进行大坝监测方法主要常见为时程分析图、特征值分析、有限元计算等应用在监测智能化系统，而多维多测点模型在线监控算法在监测分析系统平台的应用与现有用于进行大坝监测方法的对比，构建了多种数学监控模型，大大提高安全监测智能分析系统的全面性，为数据分析和水工建筑物安全评价提供可靠的技术支撑，同时也提高了管理效率，降低了安全运行的管理成本。
图3展示的成果是：系统基于有限元模型结合实测数据对大坝运行现状进行综合计算分析，利用预测或模拟的环境量对大坝发展趋势进行预测分析。
图4展示的成果是：通过图上所展示回归方程建立的统计数学模型，对大坝位移测值与环境量进行回归计算，计算相应的参数，将计算值与实测值进行比较，便于对大坝工作状态和大坝安全性进行分析。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于，包括：
基于大坝的结构特点和实际运行情况选择大坝的监测项目和监测点；
采集所述监测点的数据并对所述数据以及历史数据进行数据融合处理，并进行数据计算和整编分析；
基于数据分析需求建立监控模型，对大坝的工作性态进行分析。
2.如权利要求1所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述选择大坝的监测项目和监测点，包括：
基于以下四个原则选取监测效应量及测点：
所选效应量应该能够直观反映大坝运行性状某一方面的特征；
所选效应量应该具有代表性，能够较为完整地反映大坝运行性状；
在同一所选效应量下，应有多个测点数据，以降低随机测量误差；
所选效应量应能采用已有的分析方法进行度量，能有利于实施融合诊断。
3.如权利要求1或2所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述进行数据计算，包括：
基于数据处理软件计算各监测点的应力应变、渗流渗压、变形监测数据。
4.如权利要求3所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述进行数据整编分析，包括：
采用比较法、绘图法、特征值统计法及时程分析法对各个检测点的数据计算结果进行展示并观察数据变化形式及数据变化量。
5.如权利要求4所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述基于数据分析需求建立监控模型，包括：
利用统计分析、对比分析、相关性分析、趋势分析，建立统计模型、混合模型、确定性模型和基于智能算法的监控模型，并根据模型分离出来的各作用分量来解释和分析大坝的工作性态。
6.如权利要求5所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述统计模型，包括：
根据正常运行状态下某一效应量的实测数据，通过统计分析建立起效应量与原因量之间相互关系的数学模型即：观测数据的函数关系式，表示为：
y＝f(x1、x2、x3、…、xn)
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；
根据观测数据的函数关系式，利用统计学方法建立回归方程，即统计模型，表示为：
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；b0表示常数项，b1、b2…bn表示回归系数；
水工建筑物的观测值大致可以归纳为两大类：第一类为荷载集，即大坝所承受的荷载及外界条件；第二类为荷载效应集，即反映大坝的工作状态；通常将荷载集称为自变量、效应量或预报因子，用x1、x2、x3、…、xn表示；荷载效应集称为因变量、原因量或预报量，用y表示。
7.如权利要求6所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述统计模型，还包括：
采用逐步回归法选取关系显著的重要因子，排除关系不大的次要因子；对逐步回归法每一步选入的重要因子作显著性检验；若检验结果为显著，则继续进行重要因子的选择，并将其加入回归方程中；若检验结果为不显著，则结束挑选重要因子；并基于已选择的重要因子建立最优回归方程，具体过程表示为：
……
其中，y表示荷载效应因变量、原因量；x表示自变量、效应量；b0表示常数项，b1、b2…bm表示回归系数。
8.如权利要求7所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述统计模型，还包括：
对回归方程中的因子进行剔除检验，检验方程内各因子重要性，剔除不重要的因子，使最终的回归方程只保留重要因子，以实现双重检验的逐步回归。
9.如权利要求5或8所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述确定性模型，包括：
基于水工结构分析的方法建立原因量与效应量之间的因果关系式；采用强度理论对坝的结构进行分析计算。
10.如权利要求9所述的一种多维多测点模型在线监控算法在监测分析系统平台的应用，其特征在于：所述确定性模型，还包括：
基于结构分析计算结果对大坝结构进行判断，判断标准具体为：当在同种条件下某一效应量的实测值与模型预报值之差，处于容许的范围之内时，则认为该部位处于正常状态，否则为不正常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210930231.7A CN115456331B (zh) | 2022-08-03 | 2022-08-03 | 多维多测点模型在线监控算法在监测分析系统平台的应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210930231.7A CN115456331B (zh) | 2022-08-03 | 2022-08-03 | 多维多测点模型在线监控算法在监测分析系统平台的应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115456331A true CN115456331A (zh) | 2022-12-09 |
| CN115456331B CN115456331B (zh) | 2024-02-02 |
Family
ID=84297118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210930231.7A Active CN115456331B (zh) | 2022-08-03 | 2022-08-03 | 多维多测点模型在线监控算法在监测分析系统平台的应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115456331B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842339A (zh) * | 2023-06-20 | 2023-10-03 | 北京讯腾智慧科技股份有限公司 | 一种大坝数据分析方法及装置 |
| CN117408855A (zh) * | 2023-12-12 | 2024-01-16 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145257A (zh) * | 2018-09-07 | 2019-01-04 | 国网湖南省电力有限公司 | 一种基于多测点公共异常时间的大坝安全监测分析方法 |
| CN110728038A (zh) * | 2019-09-26 | 2020-01-24 | 南京河海南自水电自动化有限公司 | 基于回归分析的大坝监测方法 |
| CN111090634A (zh) * | 2019-11-06 | 2020-05-01 | 长江勘测规划设计研究有限责任公司 | 一种基于云服务的安全监测资料智能整编分析系统 |
| CN111178758A (zh) * | 2019-12-30 | 2020-05-19 | 河海大学 | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 |
| CN111256754A (zh) * | 2020-01-19 | 2020-06-09 | 河海大学 | 一种混凝土坝长期运行安全预警方法 |
| CN112989563A (zh) * | 2021-02-02 | 2021-06-18 | 中国水利水电科学研究院 | 一种大坝安全监测数据分析方法 |
| CN113486420A (zh) * | 2021-06-08 | 2021-10-08 | 广东省水利水电科学研究院 | 水库大坝岸坡稳定性监测方法、装置、设备及介质 |
| CN114021078A (zh) * | 2021-10-15 | 2022-02-08 | 三峡大学 | 一种大坝监测量最佳统计模型优选方法 |
| US20220179064A1 (en) * | 2020-12-04 | 2022-06-09 | Rezatec Limited | System and method for remote dam monitoring |
| CN114638476A (zh) * | 2022-02-18 | 2022-06-17 | 国电南京自动化股份有限公司 | 一种水利一体化运维管理方法及系统 |
-
2022
- 2022-08-03 CN CN202210930231.7A patent/CN115456331B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145257A (zh) * | 2018-09-07 | 2019-01-04 | 国网湖南省电力有限公司 | 一种基于多测点公共异常时间的大坝安全监测分析方法 |
| CN110728038A (zh) * | 2019-09-26 | 2020-01-24 | 南京河海南自水电自动化有限公司 | 基于回归分析的大坝监测方法 |
| CN111090634A (zh) * | 2019-11-06 | 2020-05-01 | 长江勘测规划设计研究有限责任公司 | 一种基于云服务的安全监测资料智能整编分析系统 |
| CN111178758A (zh) * | 2019-12-30 | 2020-05-19 | 河海大学 | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 |
| CN111256754A (zh) * | 2020-01-19 | 2020-06-09 | 河海大学 | 一种混凝土坝长期运行安全预警方法 |
| US20220179064A1 (en) * | 2020-12-04 | 2022-06-09 | Rezatec Limited | System and method for remote dam monitoring |
| CN112989563A (zh) * | 2021-02-02 | 2021-06-18 | 中国水利水电科学研究院 | 一种大坝安全监测数据分析方法 |
| CN113486420A (zh) * | 2021-06-08 | 2021-10-08 | 广东省水利水电科学研究院 | 水库大坝岸坡稳定性监测方法、装置、设备及介质 |
| CN114021078A (zh) * | 2021-10-15 | 2022-02-08 | 三峡大学 | 一种大坝监测量最佳统计模型优选方法 |
| CN114638476A (zh) * | 2022-02-18 | 2022-06-17 | 国电南京自动化股份有限公司 | 一种水利一体化运维管理方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 刘佳: "混凝土坝智能监控模型与软件系统研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 4, pages 2 * |
| 吕利萍等: "大坝安全监测的技术手段", 《安全与环境工程》, vol. 10, no. 1, pages 3 * |
| 张鸿喜等: "黄河小浪底枢纽工程安全监测系统鉴定技术研究", 《水利水运工程学报》, no. 3, pages 1 - 4 * |
| 杨新奇: "溪洛渡水电站混凝土拱坝应力监控模型研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 6, pages 1 - 4 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842339A (zh) * | 2023-06-20 | 2023-10-03 | 北京讯腾智慧科技股份有限公司 | 一种大坝数据分析方法及装置 |
| CN116842339B (zh) * | 2023-06-20 | 2024-03-12 | 北京讯腾智慧科技股份有限公司 | 一种大坝数据分析方法及装置 |
| CN117408855A (zh) * | 2023-12-12 | 2024-01-16 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
| CN117408855B (zh) * | 2023-12-12 | 2024-03-29 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115456331B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115456331B (zh) | 多维多测点模型在线监控算法在监测分析系统平台的应用 | |
| Fang et al. | Fatigue crack growth prediction method for offshore platform based on digital twin | |
| CN113900381B (zh) | 一种基于物联网的钢结构远程健康监测平台及应用方法 | |
| Su et al. | Dynamic non-probabilistic reliability evaluation and service life prediction for arch dams considering time-varying effects | |
| CN103292762A (zh) | 判别大坝稳定性的位移监测方法 | |
| CN111691679B (zh) | 基于数字孪生的预应力钢结构智能张拉方法 | |
| Su et al. | Multisource information fusion‐based approach diagnosing structural behavior of dam engineering | |
| CN115659729B (zh) | 一种基于结构仿真计算的大坝安全监测分析方法及系统 | |
| Yang et al. | Damage identification of frame structure based on approximate Metropolis–Hastings algorithm and probability density evolution method | |
| CN112347537B (zh) | 工程结构数值模型的校准方法、装置、电子设备及介质 | |
| CN111047169A (zh) | 一种电网调度用故障分析检测系统 | |
| CN113850475A (zh) | 一种基于大数据的生产设备性能评估系统 | |
| Song et al. | Observed displacement data-based identification method of structural damage in concrete dam | |
| Liu et al. | Cracking risk analysis of face slabs in concrete face rockfill dams during the operation period | |
| Afzali et al. | Data-driven strength-based seismic damage index measurement for RC columns using crack image-derived parameters | |
| CN114693114A (zh) | 地下空间结构的监测方法、装置、计算机设备及存储介质 | |
| Liu et al. | A critical review of statistical model of dam monitoring data | |
| Chen et al. | Spatio‐temporal data mining method for joint cracks in concrete dam based on association rules | |
| CN111582634A (zh) | 一种地下大空间施工多因素安全分级方法及系统 | |
| Yang et al. | An AHP-DEMATEL health diagnosis model and its application in the Shuikou dam | |
| Xu et al. | Temperature-based anomaly diagnosis of truss structure using Markov chain-Monte Carlo method | |
| Masoumi et al. | Optimal monitoring instruments selection using innovative decision support system framework | |
| Mustapha et al. | Probabilistic Strength of Steel Poles Used for Power Production and Transmissions | |
| Tan et al. | Structural safety evaluation using proof loads based on Bayesian inference | |
| CN116150836B (zh) | 确定基础环的锚固安全性的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |