大壩自動化監測數據粗差處理方法探究

魏肖怡

摘?要：大壩安全監測中會出現各種誤差問題，誤差可以分為系統誤差、隨機誤差以及粗差。粗差是錯誤數據參數一般狀況之下數值上會出現較大的差異其與合理的數值存在悖論。因此，粗差會直接的影響大壩安全監測，降低了大壩安全運行的效果。因此，文章主要對大壩自動化監測數據粗差處理方法進行了簡單的探究分析。

關鍵詞：大壩;自動化監測數據;粗差處理;方法

粗差就是在相同觀測條件之下的進行一系列的觀測，是一種測量誤差問題。一般狀況之下絕對值大于三倍中誤差就是觀測誤差，其包括了內外業中因為疏忽等因素造成的誤差問題。因為粗差絕對值高于限差測量的偏差數值，因此要禁止應用。

1 大壩自動化監測數據粗差問題

隨著大壩安全監測技術的不斷發展，現階段自動化監控水平在不斷的提升，其測點數量增多，測量的頻率也在加密，觀測數據量顯著增多，而在實踐中受到測量儀器、人員水平以及外界環境等因素的變化影響，導致測量數值出現不同程度的變化與影響，存在跳動大、精度低等問題，會給資料分析造成較為嚴重的誤差，導致其出現不同程度的偏差性問題，這樣就會直接的影響大壩安全評價分析結果一級級結果論。因此，在通過觀測資料進行資料研究分析工程中要分析監測資料的可靠性，分析異常測值。粗大誤差是數據誤差中一種問題，在數值上會出現較大的異常性問題，此數值與合理的數值存在較為顯著的差異。對于已經確定為粗差的數據參數，要重新測量分析，而對于來不及測量的則要根據要求及時處理，將其剔除。根據相鄰的觀測值進行外插，或者通過擬合值的方式替代。

2 大壩自動化監測數據粗差處理方法探究

2.1 過程線法

過程線法就是一種利用繪制觀測量以及時間之間的關系曲線判斷根據判斷值是否存在異常點的一種方式，對于繪制過程線要觀察其是否存在尖點。如果其存在就要分析是是否高于物理意義允許的范圍要求，對于明顯高于物理意義的數值則為異常測值要及時剔除，如果不能確定則將其標記為可疑測值要對其進一步的判斷分析。

2.2 統計檢驗法

異常值統計檢驗法是一種在隨機樣本測定值上在正態分布以及小概率原理基礎之上，綜合分析測定值正態的具體分布特征，其最大的偏差測定值概率相對較小，綜合小概率原理來說其最大偏差測定值如果存在異常樁基，其獲得的最大偏差測定值則就是異常值。現有研究中發現大壩安全監測資源一般要遵從正態分布特征，對此可以通過統計檢驗的方式對其進行異常值的檢驗處理。常用統計檢驗法主要有拉伊達、格拉布以及狄克松等準則。

2.2.1 拉依達準則

在測量值中，如果某個測量值所對應的剩余的參差大于x，對應剩余參差大于3σ，則可以將測量值判定為粗差，要及時將其剔除。拉依達準則在測量過程中的前提就是其測量次數充分大。在實際測量中會通過貝賽公式計算獲得的S代替。在應用拉依達準則的時候，如果假定觀測值中沒有含有系統誤差是服從正態分布。因為拉依達準備是在其測量數據充足的基礎之上建立的，因此在數據量小于等于10的時候，要通過此準則提出粗差則缺乏穩定性。

2.2.2 格拉布斯準則

格拉布斯準則主要就是在小樣本的狀況中應用。在一組測定值中如果其有一個異常值狀況之下是最優的檢驗方式。而在一組測定值中存在一個以上的異常值。一般狀況之下狄克松準則應用樣本容量為3≦n<30粗差剔除。

通過通過公式計算獲得的檢驗高端異常值統計量高于臨界數值，則認為其含有粗大誤差，要將其剔除。同樣，如果計算中獲得的檢驗低端異常值的統計量高于臨界數值的時候，則意味著其含有粗大誤差要剔除，要通過不包括在剔除樣本值在內新樣本數據以及樣本容量重復處理，直至剔除所有的粗差。在剔除粗差的下一個重復過程中要選擇新的樣本容量對應的臨界值以及計量公式。

2.2.3 T檢驗法

此種方式就是羅曼若夫斯基準則，要剔除可以測得值，根據t的分布檢驗被剔除的數值中是否含有粗大的誤差。然后將可以的測定值之外的剩余測定值作為總體，假定此總體可以遵從正態分布狀況，計算分析，剔除粗大誤差。

2.3 函數模型方法

函數模型進行大壩的安全監測數據處理，可以根據大壩的結構效應量測值分析，根據壩體的具體結構特點、分析環境條件以及其具體的地質條件等因素，通過壩工理論以及對應的書序方法進行定量分析構建模型。

此模型屬于數學方程其具有一定的形式以及結構特征對于大壩的監測效果具有一定作用，通過數學方程式可以反應大壩效應量的監測值的具體變化規律特征，進而確定大壩效應量以及其環境量之間的關系。

構建的數學模型如果相對較為精準，則大壩安全監測的實際測量數值以及模型預測的數值之間差并沒有太大的偏離，在研究中則此誤差要服從正態分布的特征，根據參差進行誤差校驗分析，則可以判斷對對應的監測值是否屬為粗差。

2.3.1 構建統計模型

在大壩監測中分析大壩的水壓力、揚壓力、泥沙壓力、溫度等參數在荷載作用之下是否產生位移，根據大壩監測的成果進行定性分析。

2.3.2 回歸模型分析

在大壩中設置垂直位移監測點，建立模型式子，通過逐步回歸分析方式構建回歸模型。通過逐步回歸計算分析，此模型的相關系數可以反應測點分析。因為數學模型綜合測點環境效應產生的影響，其粗差識別并不是單純的數學計算，要符合實際狀況，在大壩安全監測數據與處理較為適合。而在模型方式中可以分析觀測值以及環境量之間的關系。因此，要精準地分析粗差數值，然后將粗差通過函數模型的擬合值替代，提升大壩監測質量。

3 結語

分析大壩安全監測中的粗差問題，了解不同的處理與識別方式與手段，根據實際狀況探究合理的處理方式與對策，合理的降低粗差問題，進而在根本上避免因為粗差而造成的誤差問題，提升大壩監測的精準性，為大壩的安全運行提供更為完善的數據信息支持。

參考文獻：

[1]程浩然，盧敏，劉存瑞.基于統計學方法處理大壩安全監測中粗差問題[J].水利科技與經濟，2017（6）.

[2]趙澤鵬，陳建康，張瀚.基于穩健估計的大壩監測數據粗差識別方法[J].水電能源科學，2018，36（12）：74-77.

[3]花勝強，胡少英，羅孝兵.大壩位移監測中的粗差剔除方法[J].水力發電，2017（9）.