數據挖掘技術在水利工程安全監測管理中的應用研究

裘明華

(浙江頤川科技有限公司，杭州 310000)

1 概 述

隨著科技進步，全世界已經步入信息時代，水利行業亦開始大規模應用計算機網絡、現代通信、智能控制以及數據挖掘等新興技術，來實現高效管理水利工程的目的[1-3]。

數據挖掘技術最早是應用于商業管理領域，隨著信息化的發展，將數據挖掘技術應用于水利工程的研究成為未來水利行業信息化發展的一個重要趨勢。付曉旭、韓紅旗、李瓊等[4-6]展開對數據挖掘技術在水利工程信息化管理應用中的可行性。許惠君、張弛等[7-8]深入探討數據挖掘技術在水庫調度與防洪過程中的應用。此外，數據挖掘技術在我國水利工程安全管理中也逐漸得到重視。阿米娜古[9]指出，水利工程安全管理系統中引入數據挖掘技術數據，能夠實現水利工程中數據的高效篩選與合理分析，實現水利工程的科學化、專業化、信息化、高效化、自動化。楊獻志等[10]深入探討了水利工程管理中數據挖掘技術應用可行性及前景，并指出數據挖掘技術能夠使得水利工程項目管理更加科學化。

綜上所述，現有的關于我國水利工程安全監測與管理的研究主要是從管理制度或方向方面提出，而缺乏對新型技術引用的研究。數據挖掘技術是基于某大數據庫發掘有效有價值的數據并加以利用的新型技術，目前被廣泛應用到各個領域中。因此，發展數據挖掘技術在水利工程安全維護管理中的應用，對于促進我國水利工程管理現代化、建設高效暢通的安全管理體系具有十分重要的意義。

2 工程背景

田家灣水庫位于浙江省湖州市田家灣村，項目區冬季寒冷干燥，春季濕潤多風，夏季高溫多雨,秋季旱澇無常。水庫工程屬長江流域支流水利工程，水庫控制流域面積為97 km2，總庫容為942.5×104m3。根據現場調查結果，由于水庫大壩工程年久失修，因此部分溢洪道泄洪能力出現問題，不能滿足下游山西省高校新校區防洪的限泄要求。因此，展開對該水利工程的安全監測、管理與風險評價具有重要意義。為合理布置實施田家灣水庫除險加固工程，現需要對該水庫各溢洪道的實際情況展開監測與安全管理。見圖1。

圖1 田家灣水庫

3 基于數據挖掘技術的風險評級模型

3.1 數據挖掘技術

傳統的信息處理側重于關鍵詞查詢與關鍵信息統計分析，而對一些“次要”的指標所隱含的信息則選擇忽略。數據挖掘即指從長時間所堆積的大量歷史數據中提取人們有興趣、有價值的數據知識的過程。這些數據不僅包括關鍵的、重要的信息，同時也包括大量數據中所隱含的信息，這些信息對管理措施決策可能具有重要意義。數據挖掘是通過對某個數據庫中的每個數據展開分析，從而探索獲得大量數據中基礎規律的技術。數據挖掘技術主要包括數據準備、規律探尋以及規律確定這3個項目。數據挖掘技術主要方法見表1。

表1 數據挖掘技術主要方法

3.2 數據處理與相似度分析

由于現場數據具有完整性差、噪點多等劣勢，從設計監理單位所獲取的數據不全為有效數據，因此需要對數據進行預處理以獲得真實有效的數據，使得試驗研究樣本更加真實，以保證數據挖掘的正確性。數據預處理主要包括數據篩選、數據補充及數據整合標準化3個步驟。在對數據展開聚類分析時，通常采用分類統計量距離來描述不同數據之間的相似度。常見的距離統計量有以下幾種：Manhattan距離、Euclidean距離以及Chebychev距離。本次研究采用Manhattan距離(也稱絕對值距離)進行距離計算及相似度分析，假設某個樣本中具有n個樣品，其基本計算方法如下：

(1)

3.3 評價模型構建

采用K-means聚類算法進行計算，其基本原則是優化初始聚類中心，使選取的初始聚類中心的距離盡量遠[11-12]。本次研究采用“聚類-分級”的層次聚類分析方法(圖2)來處理水庫不同安全監測點的分級管理問題。

圖2 AGNES層次聚類分析法

其具體實現過程主要分為4個步驟：

1)獲取水庫溢洪道安全相關監測點的具體數據并進行預處理，以得到真實、有效的數據。

2)認為設定K值，基于改進的K-means算法將安全因素分為K個簇(K即為期望劃分的等級數)，計算簇間距離并得到劃分為K個簇的數據庫。

3)計算聚類后的每個簇內數據的總均值Sj，Sj值可由下式計算：

(2)

式中：i為監測點編號(1,2,…,n)；j為簇數編號(1,2…,k)；Q為溢洪道在的安全效能值；R為監測點風險因素修復率，%；N為監測點沉降量，mm；E為監測點偏移量，m。

4)根據Sj的值，按照大小順序將監測點的效能劃分為k個等級。

4 工程應用

經過現場觀察和調查，田家灣水庫溢洪道存在一定的安全風險，主要表現在溢洪道不同部位出現混凝土破裂，上覆土層位移變形，嚴重影響溢洪道工作效率。為合理分析溢洪道不同部位的安全運行，本次研究選取田家灣水庫中溢洪道20個安全監控點的數據作為樣本進行研究，經過預處理得到基本數據，見表2。

表2 田家灣水庫20個安全監測點數據

按照上節所述具體流程與步驟，選定分級簇總數k為4；再利用Matlab等數據分析軟件，最終得到基于數據挖掘技術的分級結果見表3。

表3 基于改進K-means算法的分級結果

綜上可知，按照4個等級機制，則該水庫中按次序每個等級安全監測點的數目分別為2、10、3和5個。由此可見，該水庫溢洪道安全監測點中有8個監測點反映出安全性較低(Ⅲ、Ⅳ級)，需要進行修復或更換。根據K-means算法輸出結果，可以得到Ⅲ、Ⅳ級需要修復的監測點編號，其中Ⅲ級的有監測點2號、4號和11號，Ⅳ級的有1號、7號、8號、10號和16號，因此需要采取措施針對對應編號尤其是Ⅳ級簇內的監測點展開及時的修復。

5 結 論

為研究數據挖掘技術在水利工程安全監測管理中的應用，本文基于數據挖掘技術建立了水利工程溢洪道安全等級劃分基本方法，并以我國浙江省田家灣灣水庫為例開展了深入研究。主要結論如下：

1)基于數據挖掘技術中的聚類分析法，并采用改進的K-means算法建立水利工程安全監測管理等級劃分基本方法，該方法具有高效、可處理復雜數據的優勢，能夠適用于我國水利工程安全監測管理工作中。

2)基于水利工程溢洪道等級劃分基本方法，得到田家灣水庫溢洪道安全監測點中按次序每個等級的監測點數目分別2、10、3和5個，且能夠快速確定每個等級的對應序號。其中，等級為Ⅲ、Ⅳ級的安全監測點反映出嚴重問題，需要及時進行修復或更換，該區域需要修復的位置總數為8個。