【技术实现步骤摘要】
本专利技术涉及大坝结构性态平稳性分析和变形监测数据处理，具体为一种基于时变系数的大坝结构性态平稳性分析方法。
技术介绍
1、大坝是一个不断变化和发展的系统，对水库的安全运行起着决定性作用。人们长期以来持续对大坝进行监测分析，以提高对其结构行为的理解。大坝监测内容是多方面的，大量的监测数据蕴含着坝结构性态变化的重要信息，其中变形是大坝结构状态最直观的指标。在长期运行时，各种不确定因素都会导致大坝的结构平稳性和服役状态处于不断演变之中，具有明显的时变特性。因此，有必要采用有效可靠的模型解释大坝变形监测序列数据，将时变特性分析引入大坝结构性态平稳的研究中，以便推断出有价值的信息并对大坝运行状态作出合理判断，这对大坝管理具有重要的工程应用意义。
2、利用大坝变形监测数据对其结构性态进行评价，涉及了很多的方法和技术，包括统计模型、确定性模型、混合模型以及基于灰色系统理论、人工神经元网络、突变理论，还有其他非线性动力学理论等所建立的评判方法。其中统计模型凭借其成熟的理论基础和可解释性，被广泛应用于实际的大坝工程。因此，时变统计模型方法更适合反映大坝结构性态变化。时变统计模型通过构建变形监测数据与水位，温度等相应的动态非线性关系，定量评价大坝的安全性态，这其中面临着如何确定监控指标的问题。多数的大坝变形统计模型所提出的监测指标总依赖于时效分量的平稳性特征，但这在某种程度上忽视了不同外界荷载(水位和温度荷载)情况下对大坝变形效应量的作用强度变化。时效项的原因解释过于复杂，在大坝变形监控模型中，其具体形式不够明确，往往以线性函数加对数
3、据已有的研究表明，一个系统所处的状态可以用一组系数来描述，而动态系统可以用动态系数或结构时变系数模型来描述。因此，时变系数统计模型更符合大坝的实际运行状态。卡尔曼滤波是一种高效在线建模的时变系数求解方法，以递推形式求解动态统计模型的时变系数。卡尔曼滤波在改善传统统计模型中参数固定的问题和提高统计模型的监控精度有明显优势。对于大坝时变系数统计模型，大坝的结构性态主要体现在回归系数的改变是否显著。故在基于平稳可靠的统计模型监控大坝监测数据的基础上，系数的平稳性分析尤为重要。故提取出每个时间点的统计模型的特征表示模式，即系数向量，引入局部因子lof算法，我们可认为每一水平位移测量时刻的系数向量是统计模型的特征表示，通过对系数向量离群程度的检测反映对应时刻大坝的结构性态平稳性程度，这为管理部门及时发现危险情况提供了重要信号。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的大坝结构性态平稳性分析方法存在平均误差大，以及如何考虑变形时变的优化问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于时变系数的大坝结构性态平稳性分析方法，包括：
4、获取大坝数据，得到时间序列数据集；
5、对大坝进行数据分析，得到异常因子；
6、利用局部异常因子阈值判定大坝结构性态是否平衡。
7、作为本专利技术所述的基于时变系数的大坝结构性态平稳性分析方法的一种优选方案，其中：所述大坝数据包括，获取大坝变形序列δ0及对水位h、温度t因素，得到一个长度多维变量的时间序列数据集。
8、作为本专利技术所述的基于时变系数的大坝结构性态平稳性分析方法的一种优选方案，其中：所述数据分析包括，根据坝工理论分析、工程经验，变形时变模型的具体表达：
9、δ(t)＝δh(t)+δt(t)
10、
11、
12、其中，δ(t)表示测点的变形观测值；δh(t)表示水位引起的变形分量；δt(t)表示温度引起的变形分量；ht表示监测时间t的水位；ai(t)表示回归时变系数；表示监测时间t的水位的i次方；m表示水位因子个数，重力坝m＝3，拱坝m＝4；ti表示编号为i的温度计的测量值；bi(t)表示回归时变系数；n表示温度因子个数。
13、作为本专利技术所述的基于时变系数的大坝结构性态平稳性分析方法的一种优选方案，其中：用矩阵表示时变系数统计模型为：
14、δ(t)＝γ(t)θ(t)+ε(t)
15、γ(t)＝[1，ht，ht2，…，t1，t2，…]
16、θ(t)＝[a0(t)，a1(t)，a2(t)，…，b1(t)，…]
17、其中，γ(t)表示影响因素向量，是大坝水位和温度的组合；θ(t)表示时变系数向量；ε(t)表示随机干扰向量；a0表示外生变量向量。
18、作为本专利技术所述的基于时变系数的大坝结构性态平稳性分析方法的一种优选方案，其中：设定卡尔曼滤波的状态方程和观测方程，表示为：
19、θ(t)＝θ(t-1)+w(t)
20、δ(t)＝γ(t)θ(t)+ε(t)
21、其中，w(t)是系统噪声向量；
22、利用前20％的小样本数据，通过逐步回归求得系数作为状态初值x0；
23、利用卡尔曼滤波的更新和预测结合原理，获得大坝位移滤波值δ(t)和时变回归系数θ(t)。
24、作为本专利技术所述的基于时变系数的大坝结构性态平稳性分析方法的一种优选方案，其中：计算两两系数向量之间的距离，
25、
26、设定k值，计算每一个系数向量的k近邻可达距离：
27、
28、计算系数向量的k局部可达密度：
29、
30、计算系数向量的局部异常因子：
31、
32、其中，mi表示第i个系数，d表示两系数向量之间的距离，p表示某时刻的系数向量，k表示邻近数值，lrd表示计算系数向量的k局部可达密度。
33、作为本专利技术所述的基于时变系数的大坝结构性态平稳性分析方法的一种优选方案，其中：所述局部异常因子阈值包括，
34、tlof＝llof+σs
35、其中，llof为平均值，σs为标准差；
36、lof与大坝结构性态的平稳性呈反比，若lof大于tlof，则大坝结构性态不平稳，反之大坝结构性态处于平稳状态。
37、一种采用本专利技术任一所述方法的基于时变系数的大坝结构性态平稳性分析系统，其特征在于：
38、采集模块，获取大坝数据，得到时间序列数据集；
39、分析模块，对大坝进行数据分析，得到异常因子；
40、判断模块，本文档来自技高网...
【技术保护点】
1.一种基于时变系数的大坝结构性态平稳性分析方法，其特征在于，包括：
2.如权利要求1所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：所述大坝数据包括，获取大坝变形序列δ0及对水位H、温度T因素，得到一个长度多维变量的时间序列数据集。
3.如权利要求2所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：所述数据分析包括，根据坝工理论分析、工程经验，变形时变模型的具体表达：
4.如权利要求3所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：用矩阵表示时变系数统计模型为：
5.如权利要求4所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：设定卡尔曼滤波的状态方程和观测方程，表示为：
6.如权利要求5所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：计算两两系数向量之间的距离，
7.如权利要求6所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：所述局部异常因子阈值包括，
8.一种采用如权利要求1-7任一所述方法的基于时变系数的大坝结构性态平稳性
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于时变系数的大坝结构性态平稳性分析方法，其特征在于，包括：
2.如权利要求1所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：所述大坝数据包括，获取大坝变形序列δ0及对水位h、温度t因素，得到一个长度多维变量的时间序列数据集。
3.如权利要求2所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：所述数据分析包括，根据坝工理论分析、工程经验，变形时变模型的具体表达：
4.如权利要求3所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：用矩阵表示时变系数统计模型为：
5.如权利要求4所述的基于时变系数的大坝结构性态平稳性分析方法，其特征在于：设定卡尔曼滤波的状态方程和观测方程，表示...
【专利技术属性】
技术研发人员：张健，李占超，田甜，侯会静，梁佳铭，
申请(专利权)人：扬州大学，
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。