大坝自动化监测数据粗差处理方法探究

魏肖怡

摘 要：大坝安全监测中会出现各种误差问题，误差可以分为系统误差、随机误差以及粗差。粗差是错误数据参数一般状况之下数值上会出现较大的差异其与合理的数值存在悖论。因此，粗差会直接的影响大坝安全监测，降低了大坝安全运行的效果。因此，文章主要对大坝自动化监测数据粗差处理方法进行了简单的探究分析。

关键词：大坝;自动化监测数据;粗差处理;方法

粗差就是在相同观测条件之下的进行一系列的观测，是一种测量误差问题。一般状况之下绝对值大于三倍中误差就是观测误差，其包括了内外业中因为疏忽等因素造成的误差问题。因为粗差绝对值高于限差测量的偏差数值，因此要禁止应用。

1 大坝自动化监测数据粗差问题

随着大坝安全监测技术的不断发展，现阶段自动化监控水平在不断的提升，其测点数量增多，测量的频率也在加密，观测数据量显著增多，而在实践中受到测量仪器、人员水平以及外界环境等因素的变化影响，导致测量数值出现不同程度的变化与影响，存在跳动大、精度低等问题，会给资料分析造成较为严重的误差，导致其出现不同程度的偏差性问题，这样就会直接的影响大坝安全评价分析结果一级级结果论。因此，在通过观测资料进行资料研究分析工程中要分析监测资料的可靠性，分析异常测值。粗大误差是数据误差中一种问题，在数值上会出现较大的异常性问题，此数值与合理的数值存在较为显著的差异。对于已经确定为粗差的数据参数，要重新测量分析，而对于来不及测量的则要根据要求及时处理，将其剔除。根据相邻的观测值进行外插，或者通过拟合值的方式替代。

2 大坝自动化监测数据粗差处理方法探究

2.1 过程线法

过程线法就是一种利用绘制观测量以及时间之间的关系曲线判断根据判断值是否存在异常点的一种方式，对于绘制过程线要观察其是否存在尖点。如果其存在就要分析是是否高于物理意义允许的范围要求，对于明显高于物理意义的数值则为异常测值要及时剔除，如果不能确定则将其标记为可疑测值要对其进一步的判断分析。

2.2 统计检验法

异常值统计检验法是一种在随机样本测定值上在正态分布以及小概率原理基础之上，综合分析测定值正态的具体分布特征，其最大的偏差测定值概率相对较小，综合小概率原理来说其最大偏差测定值如果存在异常桩基，其获得的最大偏差测定值则就是异常值。现有研究中发现大坝安全监测资源一般要遵从正态分布特征，对此可以通过统计检验的方式对其进行异常值的检验处理。常用统计检验法主要有拉伊达、格拉布以及狄克松等准则。

2.2.1 拉依达准则

在测量值中，如果某个测量值所对应的剩余的参差大于x，对应剩余参差大于3σ，则可以将测量值判定为粗差，要及时将其剔除。拉依达准则在测量过程中的前提就是其测量次数充分大。在实际测量中会通过贝赛公式计算获得的S代替。在应用拉依达准则的时候，如果假定观测值中没有含有系统误差是服从正态分布。因为拉依达准备是在其测量数据充足的基础之上建立的，因此在数据量小于等于10的时候，要通过此准则提出粗差则缺乏稳定性。

2.2.2 格拉布斯准则

格拉布斯准则主要就是在小样本的状况中应用。在一组测定值中如果其有一个异常值状况之下是最优的检验方式。而在一组测定值中存在一个以上的异常值。一般状况之下狄克松准则应用样本容量为3≦n<30粗差剔除。

通过通过公式计算获得的检验高端异常值统计量高于临界数值，则认为其含有粗大误差，要将其剔除。同样，如果计算中获得的检验低端异常值的统计量高于临界数值的时候，则意味着其含有粗大误差要剔除，要通过不包括在剔除样本值在内新样本数据以及样本容量重复处理，直至剔除所有的粗差。在剔除粗差的下一个重复过程中要选择新的样本容量对应的临界值以及计量公式。

2.2.3 T检验法

此种方式就是罗曼若夫斯基准则，要剔除可以测得值，根据t的分布检验被剔除的数值中是否含有粗大的误差。然后将可以的测定值之外的剩余测定值作为总体，假定此总体可以遵从正态分布状况，计算分析，剔除粗大误差。

2.3 函数模型方法

函数模型进行大坝的安全监测数据处理，可以根据大坝的结构效应量测值分析，根据坝体的具体结构特点、分析环境条件以及其具体的地质条件等因素，通过坝工理论以及对应的书序方法进行定量分析构建模型。

此模型属于数学方程其具有一定的形式以及结构特征对于大坝的监测效果具有一定作用，通过数学方程式可以反应大坝效应量的监测值的具体变化规律特征，进而确定大坝效应量以及其环境量之间的关系。

构建的数学模型如果相对较为精准，则大坝安全监测的实际测量数值以及模型预测的数值之间差并没有太大的偏离，在研究中则此误差要服从正态分布的特征，根据参差进行误差校验分析，则可以判断对对应的监测值是否属为粗差。

2.3.1 构建统计模型

在大坝监测中分析大坝的水压力、扬压力、泥沙压力、温度等参数在荷载作用之下是否产生位移，根据大坝监测的成果进行定性分析。

2.3.2 回归模型分析

在大坝中设置垂直位移监测点，建立模型式子，通过逐步回归分析方式构建回归模型。通过逐步回归计算分析，此模型的相关系数可以反应测点分析。因为数学模型综合测点环境效应产生的影响，其粗差识别并不是单纯的数学计算，要符合实际状况，在大坝安全监测数据与处理较为适合。而在模型方式中可以分析观测值以及环境量之间的关系。因此，要精准地分析粗差数值，然后将粗差通过函数模型的拟合值替代，提升大壩监测质量。

3 结语

分析大坝安全监测中的粗差问题，了解不同的处理与识别方式与手段，根据实际状况探究合理的处理方式与对策，合理的降低粗差问题，进而在根本上避免因为粗差而造成的误差问题，提升大坝监测的精准性，为大坝的安全运行提供更为完善的数据信息支持。

参考文献：

[1]程浩然，卢敏，刘存瑞.基于统计学方法处理大坝安全监测中粗差问题[J].水利科技与经济，2017（6）.

[2]赵泽鹏，陈建康，张瀚.基于稳健估计的大坝监测数据粗差识别方法[J].水电能源科学，2018，36（12）：74-77.

[3]花胜强，胡少英，罗孝兵.大坝位移监测中的粗差剔除方法[J].水力发电，2017（9）.