大坝变形监测粗差处理和稳健统计建模.PDFVIP

中国水利水电科学研究院 第13届青年学术交流会论文 文章编号： 大坝变形监测的粗差处理及稳健统计建模 1，2 1,2 3 3 朱赵辉 ，刘健 ，李新，尚层 （中国水利水电科学研究院，北京 100048 ） 2. 北京中水科工程总公司，北京 100048；3. 新疆额尔齐斯河流域开发工程建设管理局，新疆 乌鲁木齐 830000） 摘要：变形监测于大坝安全至关重要，由于诸多干扰因素的存在，数据采集过程不可避免地产生与实际工况不符的粗差。 粗差的出现，往往使监测资料的分析结果失真。本文采用稳健估计的思想，根据常规统计模型的残差分布对观测值进行 赋权迭代计算，使模型具有抗差性。基于某工程 RCC 主坝变形监测资料，探讨了残差的分布对于统计模型参数的影响以 及粗差密度与较佳稳健权函数选取的关系，结果于变形监测数据粗差处理有一定借鉴意义。 关键字：变形监测；稳健估计；统计模型；粗差 中图分类号： 文献标识码：A 1 引言 [1] 大坝变形监测数据中无法避免粗差的存在，粗差的处理常分两种途径 ：一是将粗差归为均值漂移 模型，在数据分析前进行定位和剔除，得到一簇清洁干净的数据；二是将粗差归于方差膨胀模型，采用 稳健估计的方法通过逐次迭代来不断地改变观测值的权，最终使粗差观测值的权趋于零，达到限制、排 除粗差对建模分析的不利影响。 粗差定位理论中，传统“3σ准则”适用于监测量符合正态分布的情况，无法适应坝体变形所面临的 动态复杂条件（库水位、温度等）的变化；格罗布斯、狄克逊准则适用于小样本的粗差剔除[2, 3]，在一 [4] 定显著性水平下，无法保证粗差被剔除；采用Barrada数据探测法由于每次只考虑一个粗差 ，未顾及各 残差间的相关性，检验可靠性受到一定的限制。总体而言，对于长序列的变形监测数据粗差的定位与剔 除存在理论和应用上的诸多困难。 稳健估计的目的是挖掘利用有效数据，限制使用有用数据和清除有害数据。自1953年G.E.P.BOX首 提稳健性（Robustness ）的概念以来，国外学者Huber、Hampel 、Rousseeuw等人[5-8]对参数的稳健估计进 行研究，成果颇丰。国内学者周江文、李德仁、欧吉坤、杨元喜等人[9, 10]也进行了大量卓有成效的研究。 稳健估计的方法最早由Huber 引入回归分析（1981年），目前在水质模型[11]、地质统计学[12]等多领域得 到了广泛应用。 回归分析是大坝变形监测统计模型的核心，粗差的存在导致回归参数为之迁就，造成统计模型一定 程度的失真[13] 。在自动化监测不断普及的背景下，如何对粗差数量巨大的数据序列进行行之有效的建模 尤为重要。本文通过对某RCC主坝变形监测资料的粗差进行处理和建模分析，提出可根据常规模型残差 大小进行粗差定位的方法，并探讨了残差的分布对于模型参数的影响以及粗差密度与较佳稳健权函数选 取的关系。 收稿日期： 论文未公开发表过。 基金项目：国家重点基础研究发展计划（2013CB035900） 作者简介：朱赵辉（1981-），男，河北秦皇岛人，博士，高级工程师，主要从事水工结构安全监测研究。E_mail:zzhtbb@163.com 2 原理 1 δ δ δ 2.1 常规统计模型原理 根据成因，可将坝体及坝基变形 主要可分为由水压分量 H 、温度分量 T 时效 分量 δθ 组成[14]，即：