大壩安全監測數據分析方法研究

周權　黃華

摘 要：大壩是水資源管理和利用中不可缺少的重要建筑物。大壩的最重要的作用是防洪和發電。大壩的安全和正常使用對于國家和人民來說是必須達到的要求。基于多年的大壩安全分析經驗，文章以大壩安全監測數據分析為研究對象，探討了大壩安全監測數據分析的內容和意義，并給出了安全監測數據分析方法，并含有大壩所處的環境、水文結構和安全，獲得的信息用于識別和計算，最后達到評價大壩安全的目的。

關鍵詞：大壩安全；分析方法；監測；數據研究

中圖分類號：TV698.1 文獻標志碼：A 文章編號：2095-2945（2018）17-0119-02

Abstract： Dam is an indispensable building in the management and utilization of water resources. The most important role of the dam is flood control and power generation. The safety and normal use of the dam is a must for the country and the people. Based on the experience of dam safety analysis for many years， this paper discusses the content and significance of dam safety monitoring data analysis， and gives the analysis method of dam safety monitoring data. It also contains the environment， hydrological structure and safety of the dam. The obtained information is used for identification and calculation， and finally the purpose of dam safety evaluation is achieved.

Keywords： dam safety； analysis method； monitoring； data research

引言

目前，自動化監測已成為大壩安全監測的發展趨勢，是水電站現代化管理的重要標志。系統設計是自動化監測的前提和基礎。因此，設計工作非常重要。針對現有分析模型中存在的問題和不足，主要是應對混凝土壩變形監測數據進行分析，并且將其它研究理論和分析方法應用于大壩監測數據分析中。研究的目的是為了提高大壩模型在監測數據分析中的預測精度，實現對大壩運行現狀的評價更加有效、合理，這樣可以滿足工程實際應用的需要。從大壩安全監測自動化系統的設計出發，對大壩安全監測自動化系統設計中的若干技術問題進行分析和探討。

1 大壩監測的原因

隨著大壩工程的不斷發展，我們對水資源有了更充分的認識，我國建成了許多具有代表性的大壩，彰顯了我國建設大壩的實力。如溪洛渡拱壩（大壩最大高度為285.5米），三峽重力壩等。水壩有很多種，從小型土壩到大型混凝土壩，大壩安全監測是大壩運行、大壩優化升級和大壩設計中不可缺少的重要環節。同時，實時、長期監測大壩安全系統可以及時獲取潰壩信息并及時報警。這對于大壩下游人民生命財產的保護是相當重要的。目前，許多國家都很重視大壩安全監測，監測儀器不斷發展、監測技術不斷進步和數據分析方法不斷完善，大壩安全監測工作將逐步實現。因此，大壩安全問題變的日益突出和重要。

2 關于大壩的數據處理及描述

大壩運行狀態的評估提供依據的大量數據是通過大壩安全監測所獲得。但是，初始觀測的大量數據我們是無法清晰的得到大壩的真實的運行狀態的。這需要我們要對大壩的觀測數據進行識別、分析、提取和歸納，從大量觀測數據中找出關鍵問題，揭示規律，作出判斷，然后得到大壩的真實的運行狀態，這樣才能確保大壩的持久安全運行。

2.1 監測數據分析的作用

對提取的初始數據中包含的信息，對大壩的監測數據進行分析，為大壩的建設和運行管理奠定良好的基礎，方便以后工作的進行。工程實踐表明，大壩結構狀態的數據大部分都含在大壩監測數據里面，都有豐富的反映，對觀測資料的分析具有十分重要的工程應用和科學研究意義。

2.2 監測信息的處理步驟

監測信息的處理步驟一般包括：認識規律、查找問題、預測變化、判斷安全。

（1）認識規律：觀察信息的趨勢，根據時間的變化，如波動，頻率，周長，對數據變化范圍和分布的觀測信息，在空間確定不同位置的數據不同特點，以獲得對其分布和目標數據的位置，并了解其觀測信息的影響因素。必須從內部和外部兩方面處理這些因素，以及它們對彼此的重要性。基于上述分析和處理，可以得到大壩的正常運行狀態及其位置的變化趨勢。（2）查找問題：觀測信息肯定具有相對特殊的數據在時間和空間上的分布，并結合相應的因素和條件進行處理，探索研究是否能在一定范圍內變化或在正常處理中得出結論，找出是什么原因導致問題的發生。（3）預測變化：依據其規律性，猜測未來實測值得范圍，估計其未來發展走勢、變化快慢及未來可能產生的后果。（4）推斷安全：對觀測資料進行處理后，可以判斷大壩是否在規定時間內正常運行，預測大壩在最壞情況下的安全和運行狀態。

一般來說，大壩的數據處理主要有兩個方面，一個是正向分析，另一個是反演分析。實證分析是一種數學模型，它以實際數據為基礎，建立一個原型物理視圖，通過該數據可以分析大壩是否處于正確的工作范圍內。反演分析是在系統辨識的基礎上進行的，利用正演分析得出的結論，處理拱壩的實際荷載、壩體混凝土溫度等相關參數和大壩材料來源。

3 監測數據的處理方法

3.1 多元回歸分析

大壩監測數據分析中應用最廣泛的方法之一是運用多元回歸分析，其中最常用的方法是逐步回歸分析法。各種監測變量的分析和建模大多基于此方法的回歸統計模型。以大壩變形監測作為模型進行分析，以大壩的變形作為模型因變量，以大壩的環境質量作為模型獨立變量，建立多元線性回歸模型是基于數理統計理論，與環境的影響量之間的函數模型是采用逐步回歸分析方法得到的，之后就進入模型進行變形的物理解釋與預測。由于它是一種統計分析方法，需要一個長且一致的觀察序列，是由相關變量和自變量組成。如果大壩模型中有多重共線性回歸模型，影響大壩模型環境變量之間的關系，這就很可能導致大壩的回歸模型的參數估計不準確，影響后續分析。如果觀測數據序列的長度不滿足大壩模型的要求，那么就會導致大壩模型數據中的隨機性過大，它可能會導致過擬合現象的回歸模型和破壞模型的魯棒性，影響分析的準確性。

在回歸分析過程中，當大壩模型的環境量有較大的相關性時，可以運用主成分分析或者采用嶺回歸分析的方法進行分析。在大壩模型分析過程中需要解決和改進回歸模型中有較多相關性，而缺少擬合的問題，此時可以采用偏回歸模型的方法進行分析。運用此方法，大壩模型的性能具有相位相關分析和多元線性回歸及主成分分析，在有些情況下比以前常用的線性回歸模型中分析更為有效。利用遺傳算法對模型參數估計，采用局部回歸模型對大壩監測數據進行分析，運用此方法能夠獲得比較好的結果。

3.2 時間序列分析

根據時間序列的處理方法和內容，建立AR（p）、MA（q）或ARMA（p，q）模型。

時間序列的處理方對數據進行預測和趨勢分析，短期內的預測效果良好。該方法所需數據的變化過程是平穩的、隨機的。然后，我們需要使用修改過的模型來對數據進行處理和分析。同時，大壩的變形可以及時播報。作為反映大壩結構狀態的狀態變量，采用EM算法對老化構件進行狀態空間模型估計。分析表明，該方法不僅具有較好的擬合能力和預測能力，而且能有效地提取老化構件來評價大壩的運行狀態。

3.3 人工神經網絡法

人工神經網絡在二十世紀末得到了迅速發展，廣泛應用于各個領域，主要集中在優化組合、專家系統、模式識別、機器人控制、信號處理、知識工程等各個方面。大壩的觀測值與影響因素之間存在著復雜的非線性和非線性關系。人工神經網絡方法在分析和處理過程中，將一些生物學特性轉化為工程計算過程，并對大量數據進行分析和編輯處理。

3.4 頻譜分析

大壩需要過程域和時間域進行數據編輯。同時，對數據進行分析，變換處理。得到所需的信號。通過分析得到的數據，實現編輯所需的振幅和頻率。同時，最大幅度應與主頻率比較。如此一來，雖然有時數據信號不得到在時間域中，但通過轉換到頻域，可以清楚地觀察到。通過估計函數模型，輸出相應的環境影響因素，光譜響應函數和頻率響應函數，對變形的物理意義的解釋需要使用相關數據信號的輸出和輸入兩者的相關性，以此確定是否變形以及主要因素，次要因素和輸出參數。此方法沒有太多分析大壩從時域信號轉換頻域信號的監測數據，這種方法需要足夠的樣本，需要使用的數據是穩定的線性。

3.5 Kalman濾波法

Kalman濾波方法的一般框架是把物體看作一個動態系統。對大壩進行動態系統的處理，用觀測方程和狀態方程描述該方法的系統狀態，狀態方程包含探測位置的信息速率。同時考慮了預測報告和參數估計，這種方法的優點是結論嚴謹，不需要保留過去的觀測值。

3.6 灰色理論分析

在觀測時若獲得觀測數據的樣本不多，并且獲得的數據長度不能滿足時間序列分析或回歸分析模型的要求的時候，灰色系統理論可以用來對模型進行建模。該方法通過累加生成方法，將原始序列轉換為生成序列，這樣就能夠降低數據序列的隨機性，增強了數據序列的規律性。在大壩安全變形監測數據分析中，在形成趨勢模型時提取大壩變形的灰色趨勢微分方程，通過此方程可以建立組合模型。如果考慮到每個點的相關性分析，就有可能取得更好的結果。對于一般時間序列分析主要是是針對單點數據序列的。除此之外還有研究者描述了在水力觀測資料分析中應用灰色系統理論，并對其應用的試驗標準進行了分析。經過實踐證明，這種模型具有理論合理，過程嚴密，結果精度高的特點。

4 結束語

大壩的安全監測數據處理和分析的研究成果和應用成果已在一個相對較高的發展水平，并且有足夠的實踐對大壩安全做出了重要實踐貢獻，對模型的建立和分析仍然需要更新和優化方法，值得進一步深入探討。

參考文獻：

[1]張建偉，郭兵，丁志宏，等.基于狀態空間模型的電站廠房結構系統辨識[J].水電能源科學，2011（08）.

[2]趙鑫.大壩安全監測數據分析方法研究[J].建筑論壇，2016（10）.

[3]趙玉芹，賈忠清，黃九權，等.平原水庫大壩安全監測[J].水科學與工程技術，2010（5）.

[4]江科.大壩安全監測數據分析方法研究[J].科技資訊，2012（35）.