混凝土坝变形监测时序中异常突变值的优化诊断.pdf
《混凝土坝变形监测时序中异常突变值的优化诊断.pdf》由会员分享,可在线阅读,更多相关《混凝土坝变形监测时序中异常突变值的优化诊断.pdf(9页珍藏版)》请在咨信网上搜索。
1、DOI:10.12170/20220401002陈良捷,魏博文,戴国强,等.混凝土坝变形监测时序中异常突变值的优化诊断 J.水利水运工程学报,2023(4):156-164.(CHEN Liangjie,WEI Bowen,DAI Guoqiang,et al.Optimal diagnosis of abnormal mutation value in deformation monitoringsequence of concrete damJ.Hydro-Science and Engineering,2023(4):156-164.(in Chinese)混凝土坝变形监测时序中异常突变
2、值的优化诊断陈良捷1,魏博文2,戴国强1,林太清1(1.江西省水利科学院,江西 南昌 330029;2.南昌大学 工程建设学院,江西 南昌 330031)摘要:混凝土坝变形监测时序因观测设施故障及人工采集等不确定因素而存有非正常突变现象,致使后续正反分析及综合评判等工作难度剧增。为此,在结合经验小波变换(Empirical Wavelet Transform,EWT)理论与局部离群因子(Local Outlier Factor,LOF)识别机制的基础上,通过引入箱形图方法重新定义检测模型的判断阈值,有效规避了人为主观性,据此构建了客观还原监测信息特征的异常点诊疗体系。工程实例分析表明,所提方案
3、具有完备的理论支撑和优良的离群子集信号识别能力,适合复杂内外多源环境驱动下混凝土坝变形监测信号的前期优化处理。关键词:混凝土坝;变形;监测时序;异常值诊断;局部离群因子;经验小波变换中图分类号:TV698.11;TV642 文献标志码:A 文章编号:1009-640X(2023)04-0156-09 大坝安全监测是融合水工结构学、仪器仪表学、计算统计学和网络技术的“医院”系统,广泛应用于大坝等水工建筑物的服役环境、变形效应、渗流效应、应力应变等数值量测1-3。原型监测时序主要来源于监测仪器对建筑物固定测点进行一定频次的自动化或人工观测。混凝土坝监测项目主要分为 5 类:环境监测、变形监测、渗流
4、监测、应力应变监测、专项特殊监测,其中变形监测时序是坝体结构在多元复杂环境共同驱动下产生变形效应的直接表现,是混凝土坝服役健康诊断的重要基础4-5。近年来,随着计算机技术的发展及筑坝监测硬件配置完备性的提高,大坝数据采集方式愈加多样化、自动化,存储机制与规模也逐步成熟庞大6。但由于设备更替修缮及人为管理疏漏等不确定因素,监测时序中难免出现异常、空缺等现象,对海量数据集进行科学高效的可靠性辨识及预处理是构建大坝安全监控体系的关键首步7-10。国内外学者针对大坝安全监测数据集的可靠性辨识及异常突变识别技术方面展开了研究。郑霞忠等11基于环境自变量与效应因变量的关联性约束机制提高了监测异常数据清洗的
5、准确性,通过密度聚类算法识别时序中离群孤立点集,并依据关联信号清洗规则有效辨识粗差部分,借助粒子群优化的最小二乘支持向量机模型补齐数值空缺;西班牙学者 Salazar 等12基于强化回归树模型计算结果与实际观测之间的差异判断疑似异常效应序列,并辅以温度场及静力场耦合的有限元仿真验证其可靠性,有效规避了因异常载荷而导致的虚假异常现象;王丽蓉等13将大坝原始监测时序绘制成数据过程线图,基于卷积神经网络自主解析图像特征的能力优势,识别序列点集的异常离群类型并搜寻具体位置;郑东健等14为保护观测资料样本整体性并准确反映异常干扰对各效应分量的局部影响,构建了指示变量数值模型以有效模拟各种系统干扰的影响量
6、值。但是,目前现有的研究方案及成果未将效应监测时序的自身结构特性融入其中,致使复杂混频信号的内部交互干扰成为异常突变识别工作的障碍。因此,如何开展科学可靠的监测数据可靠性辨识及预处理工作亟需更深层次的研究分析。收稿日期:2022-04-01基金项目:国家自然科学基金资助项目(51869011,52169025);江西省水利厅科技项目(202123BZKT08,202224ZDKT04)作者简介:陈良捷(1996),男,江西九江人,助理工程师,主要从事水工结构安全监测与数值优化方面的研究。E-mail: 第 4 期水利水运工程学报No.42023 年 8 月HYDRO-SCIENCE AND E
7、NGINEERINGAug.2023针对混凝土重力坝变形监测时序中异常突变值的识别难题,本文依据经验小波变换理论提取序列信号极大值点并自适应地分割傅里叶频谱,通过构造正交小波滤波器组获取信号的不同模态,进而排除监测时序中趋势分量对异常突变诊断工作的干扰;以待测数据对象周围领域的局部数据分布密度为检测指标,重点识别局部异常因子远大于 1 的数据点,最后将计算结果通过统计箱形图精准找到对应的数据序号以便剔除。1 混凝土坝变形监测时序的内部信息特征HT混凝土坝变形规律的复杂性导致其内在的多元映射关系难以准确描述,通常基于长时间的监测数据建立回归模型15-16,根据各环境因子对因变量作用的显著程度,从
8、大到小依次逐个引入方程式,最大限度展示变形效应的驱动来源。由于现场监测技术的局限性及各类环境影响的强度差异,混凝土坝变形按照经典分析理论可分为 3 个部分:水压分量、温度分量和时效分量17,以混凝土重力坝为例,其拟合公式可表示为:=H+T+=3n=1anHn+2i=1b1i(sin2it365sin2it0365)+b2i(cos2it365cos2it0365)+c1+c2ln(1)Hanb1ib2ii式中:为水深;为回归模型水压分量的拟合系数;和为回归模型温度分量的拟合系数;为时间周期,i=1i=2tt0c1c2=t/100表示年周期,表示半年周期;为从建模资料序列到始测日的累计天数,为从
9、建模资料序列的第 1 天到始测日的累计天数;和 为回归模型时效分量的拟合系数;。RHTR但是,现场观测的项目种类有限且经典统计模型产生的残差序列较大,无法解释结构变形效应的全部因果关系,混凝土坝变形时序中各个组成分量大体趋势如图 1 所示。从图 1 可以看出,水压分量、温度分量和时效分量 的趋势曲线较为平稳,而残差序列表现出强非线性、高频率的不稳定特征。因此,构建混凝土坝变形监测时序异常点诊疗体系的关键首步是解译混频信号的复杂多元内部信息。2 基于 EWT-LOF-BOXPLOT 的异常突变值诊断方案 2.12.1经验小波变换N1经验小波变换(Empirical Wavelet Transfo
10、rm,EWT)18-19是一种新型多分量信号处理方法,其主要思想是基于傅里叶支撑选择 1 组正交小波滤波器组,其中包括 1 个低通滤波器和个带通滤波器,分别对应趋势分量和细节分量,随后对调幅-调频模态进行希尔伯特变换,以获取信号的瞬时频率和瞬时幅值。该方法充分融合了小波变换(Wavelet Transform,WT)和经验模态分解(Empirical Mode Decomposition,EMD)的优势,适合处理非线性、非平稳特性数据的分解难题20-21。(t)假设大坝原型变形监测信号表达式为:残差项 R水压分量 H温度分量 T时效分量 t监测时序(t)o 图 1 变形监测数据各组成序列的近似
11、趋势Fig.1 Approximate trend of each component sequence of thedisplacement monitoring data 第 4 期陈良捷,等:混凝土坝变形监测时序中异常突变值的优化诊断157(t)=N1n=0n(t)=N1n=0An(t)cos(Fn(t)(2)n(t)An(t)Fn(t)(t)N式中:为调幅-调频信号;为调幅部分函数;为调频部分函数。为完全自适应分割监测信号的频谱,将傅里叶支撑区间 0,划分为 个连续部分,即:0,=1+2+i+N1+Ni=i1,i(3)ii=1,2,N i0=0且N=ii式中:为不同子体部分,;为不同子
12、体部分的区间边界,。设定以 为中心,宽度为 2 的过渡区间,为每个子体部分构造以 Meyer 小波函数为基础的经验小波带通滤波器。经验小波函数和经验尺度函数表达式为:fi()=1i+i|i+1i+1cos2(12i1(|i+1+i+1)i+1i+1|i+1+i+1sin2(12i(|i+i)ii|i+i0其他(4)gi()=1|iicos2(12i(|i+i)ii|i+i0其他(5)(x)Ki式中:为区间 0,1 内满足 阶导的任意函数;为过渡阶段的宽度参数。两者表达式分别为:(x)=0 x 0或(x)+(1x)=1(0 x 1)1x 1(6)i=i,(0,1)且 mini(i+1ii+1+i
13、)(7)(t)fi()C(i,t)(t)g1()C(0,t)信号与经验小波函数的内积为细节系数,信号与经验尺度函数的内积为趋势系数,具体表达式为:C(i,t),fiw()fi(t)d=IFFT1()fi()C(0,t),g1w()g1(t)d=IFFT1()g1()(8)IFFT1()fi()g1()fi()g1()fi()g1()fi()g1()式中:为快速傅里叶逆变换;和分别为和的傅里叶变换;和分别为和的共轭复数。结合式(2)和(8),原信号的重构表达式及单分量经验模态分别为:(t)=C(0,t)g1(t)+Ni=1C(i,t)fi(t)=IFFT1C(0,t)g1(t)+Ni=1C(i,
14、t)fi(t)(9)i(t)=C(i,t)fi(t)0(t)=C(0,t)g1(t)(10)C(0,t)C(i,t)C(0,t)C(i,t)式中:为卷积运算;和分别为和的傅里叶变换形式。原始真实信号通过 EWT 方法可自适应地分解成许多具有紧凑支持频谱的经验模态函数。2.22.2局部异常因子局部异常因子(Local Outlier Factor,LOF)检测方法是 Breunig 等22于 2000 年提出的基于密度的无监158水 利 水 运 工 程 学 报2023 年 8 月督离群点识别工具。其主要手段是通过比较待测数据点与其领域数据点的聚集密度,以此密度比值为依据判断该待测数据点是否为离群
15、异常点。相比其他基于距离、统计分布的检测方法,LOF 仅考虑待测数据对象周围领域的局部数据分布,可避免其他领域外数据集的干扰23-25。jiSM=(xm1,xm2,xmi)N=(xn1,xn2,xni)mn1,j假设存在由 个 维数据点组成的样本集合,从中任意取两个样本点与,其中 和 皆取自,则两点之间的欧几里得距离表达式为:D(M,N)=D(N,M)=(xm1xn1)2+(xm2xn2)2+(xmixni)2(11)Dk(M)kDk(M)=D(M,N)SkEk(M)k定义为数据点 M 的第 距离,若,则数据点 N 是指在样本集合 中除了数据点M 之外距离数据点 M 最近的第 个点。假设为数据
16、点 M 的第 距离邻域,则其表达式为:Ek(M)=NSO|D(O,N)Dk(O)(12)MkEk(M)SMMMkDk(M)由式(12)可知,数据点的第 距离邻域是指在样本集合 中除了数据点之外的所有距离数据点小于或等于数据点的第 距离的数据点集合,相关示意图如图 2 所示。Dk(M,L)LMkLMkDk(M,L)MkDk(M)LMkDk(M,L)D(M,L)定义为数据点 与数据点之间的第可达距离,其实际意义是指当数据点 位于数据点的第 距离邻域内时,只能等于数据点的第 距离。当数据点 位于数据点的第 距离邻域外时,为两点之间的欧几里得距离,数学表达式为:Dk(M,L)=maxDk(M),D(M
17、,L)(13)k(M)M设定为数据点的局部可达密度,可理解MkEk(M)MMk为在数据点的第 距离邻域中除了数据点外的所有点与数据点之间的平均第 可达距离的倒数,表达式为:k(M)=kLEk(M)Dk(M,L)(14)MkEk(M)MMM由此可得在数据点的第 距离邻域中除了数据点外所有点的局部可达密度,将其分别与数据点自身局部可达密度的比值叠加求平均,即得数据点的局部异常因子,其表达式为:Lk(M)=1kLEk(M)k(L)k(M)(15)Lk(M)MkEk(M)MLk(M)MMLk(M)MM若值接近 1,则数据点的第 距离邻域内的数据点的密度相差不大,数据点与其邻域内其他数据点属于同簇;若值
18、远小于 1,则数据点的密度比其邻域内其他数据点的密度大,数据点可被判定为密集点;若值远大于 1,则数据点的密度比其邻域内其他数据点的密度小,数据点可被判定为异常点。2.32.3离群点检测模型的建成方案混凝土重力坝长期深处于静力场和温度场中,其变形效应也备受水压、温度等周期性影响,因此变形监测数据存在一定的趋势分量,对 LOF 异常点检测工作产生较大影响。为了确保检测模型的精准运行,采用EWT 信号处理方法对原型监测数据进行分解,去除变形监测时序的运行趋势。异常值属于短时突变值,用此检测方案不但不会遗漏任何离群点信息,还有利于消除多变工况对异常数据点检测的影响,提高离群点 MNND(M,N)Qu
19、+3sIQR/2 Qd3sIQR/2(16)QuQdsIQRsIQR=QuQd式中:为待检数据的异常值;和分别为待检数据的上下四分位数;为待检数据的四分位距,即。箱形图对数据集异常值的识别标准是基于具有一定耐抗性的四分位数和四分位距,避免了异常值对自身产生的扰动影响,增强了整体模型的稳定性和准确性。综上所述,混凝土重力坝变形监测时序的离群点检测优化模型建成方案如图 3 所示。3 工程应用某混凝土重力坝位于浙江省境内,最大坝高 115 m,坝顶全长 466.5 m,水库总库容 2.21010 m3。该混凝土坝设有变形、渗流、应力应变、裂隙裂缝等监测项目,其中位移监测主要有正垂线(PL)、倒垂线(
20、IP)、坝顶引张线(EX)及多点位移计(M)等,其位移监测系统布置如图 4 所示。115本文选取该混凝土坝第 4 号坝段 115 m 高程处的水平位移自动化监测时序为研究对象,其时间区间为 1998 年 4 月 20 日至 2018 年 4 月 30 日,并规定以向下游方向位移为正,向上游方向位移为负。由于该混凝土坝监测系统更新改造过数次且管理方案有改变,致使其时间序列步长各不相等且无规律可寻,经整理后得其序列数据容量为 757 组。由于大坝在运行期间会受到库水位、温度等工况变化且离群异常点具有短时突变特性,故大部分隐藏于数据集的高频区间段内。因此在对该混凝土重力坝位移监测时序进行 LOF 异
21、常点检测之前,需利用 混凝土重力坝变形监测数据经验小波变换(EWT)分解信号局部异常因子(LOF)检测模型消除趋势分量,重构高频数据SLOF 代入箱形图识别离群点清除异常点后的监测数据计算待测数据点之间的欧几里得距离计算所有待测数据点的第 k 距离和第 k 距离邻域计算所有待测数据点的第k 可达距离和局部可达密度计算所有待测数据点的局部异常因子 SLOF 图 3 优化诊断方案流程Fig.3 Flow chart of optimized diagnosis scheme 正垂线【PL】倒垂线【IP】IP0-1ID0 EX2PL3-1PL3-2M2-1M8-1M8-2M8-3M2-2M3-1M3
22、-2PL4-1PL4-2 PL6-1PL6-2PL2#机PL6#机PL18PL19-1PL23-1IP25-1PLF13-1IP23-1IP142-1PL19-2PL19-3PL20-138.061.085.0115.0PL4-3PL13-1PL13-2PL13-3IP4-1IP6-1IP18-1IP18-2IP6-224681012141618202224EX4EX6EX8EX17EX20EX22EX24 图 4 大坝位移监测系统布置示意(单位:m)Fig.4 Schematic layout of dam displacement monitoring system(unit:m)160水
23、 利 水 运 工 程 学 报2023 年 8 月EWT 信号处理方法去除监测时序的趋势分量,将分解出的趋势分量与原始数据进行对比,结果见图 5。由图 5 可知,大部分数据点位于监测时序的趋势曲线上。通过整理得 757 组水平位移序列的平均值为0.475 mm,最大值为 5.270 mm,最小值为4.800 mm,区间跨度较大,且存在个别疑似异常值。在通过 EWT 信号处理方法对该位移监测时序进行分解处理后,人工剔除蕴藏于原始信号中的趋势分量,对应每个数据序号重构剩余的高频分量,再对重构后的位移效应细节信号进行异常点检测以求出各数据点的 SLOF,结果如图 6 所示。k由图 6 可知,基于大坝位
24、移时序细节信号计算出的 SLOF大多数位于 1 附近,说明大多数据点第 距离邻域内的数据密度相差不大,即这些数据点与其邻域内其他数据点属于同簇。通过整理计算,该细节信号序列 SLOF平均值为 2.057,最大值为 8.563,最小值为 0.783,中位数为 1.604,下四分位数(25%)为 1.059,上四分位数(75%)为 2.685。现将其 LOF 数据集作箱形图以寻找异常值,其结果如图 7 所示。在箱形图 7 中,上下两条末端横线并非准确的1.5 倍箱子长度,而是不超过该长度的最远值,即表示该批数据正常值的分布区间。根据箱形图 7 显示的数据序号可对原始数据进行对应剔除,得出异常突变值
25、共 32 组,优化处理后得监测数据 725 组。为了验证该基于 EWT-LOF-BOXPLOT 的异常突变值诊断方案对监测数据集优化的有效性和实用性,将优化前后及单一 LOF 方法检测处理的数据分别代入经典多元回归模型中参与计算,得到的模型误差拟合结果如图 8 所示;并引入统计学领域中衡量计算精准度的评判指标:平均绝对误差 EMA、均方误差 EMS、平均绝对百分误差 EMAP及决定系数 R2,计算结果如表 1 所示。综合对比图 8 与表 1 可见,通过经验小波变换去除监测时序的运行趋势,使样本数据集的 LOF 识别检测更加精确,提高异常突变值的诊断效力;监测样本数据集经过基于 EWT-LOF-
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 混凝土 变形 监测 时序 异常 突变 优化 诊断
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。