基于M估计量及标准四分位间距的安全监测数据异常识别的改进方法

发布时间：2021-04-06 05:31

　　水电工程安全监测数据的异常识别是科学评价大坝安全性态的前提。为了解决传统的3σ准则运用于"台阶型"、"震荡型"监测数据序列异常在线识别时极易出现的漏判问题,引入Andrews M估计量和标准四分位间距替代传统3σ准则中的总体位置参数和总体尺度参数,构建了新的判别准则。工程实践及敏感性分析表明:该方法能有效消除"台阶型"和"震荡型"离群点对识别结果带来的不利影响;抗离群点影响的比例提升到25%,异常识别的准确性及可靠性提升明显。研究成果可为水电工程安全状况和运行性态的评价提供参考。 

【文章来源】：长江科学院院报. 2020,37(06)北大核心CSCD

【文章页数】：4 页

【部分图文】：

传统3σ准则与改进方法识别效果

为了进一步探索改进方法的耐抗性,本文研究了改进方法对离群点比例的敏感性。本节仍以上述典型的“台阶型”测点JG04及“震荡型”测点YY831为例,通过改变离群点数量占总数据量的比例(简称离群点比例)为0%,5%,10%,15%,20%,25%,30%,如图2所示,研究其对离群点比例的敏感性,并与传统的准则进行对比分析。以图2(a)为例,曲线AB为正常状态时的数据段,曲线ACDB则为异常状态且离群点比例为5%时的数据段,其余离群点比例对应的曲线段以此类推。图3 不同离群点比例下的典型测点传统方法和

不同离群点比例下的典型测点传统方法和

【参考文献】：
期刊论文
[1]大坝位移监测中的粗差剔除方法[J]. 花胜强,胡少英,罗孝兵,高磊,郑健兵.  水力发电. 2017(09)
[2]四分位数及迭代稳健统计法在实验室能力验证中的应用[J]. 王晓娟,黄首先,姜峰,姚静.  现代测量与实验室管理. 2016(03)
[3]大坝自动化监测数据粗差处理方法研究[J]. 许贝贝,崔晨风.  测绘地理信息. 2015(02)
[4]中位值和稳健四分位数间距的直观应用[J]. 钟振宇,蒋佩英.  中国科技投资. 2013(17)
[5]地震前兆数据异常自动检测报警系统[J]. 张兴国,王子影,李盛乐,刘坚.  地震地磁观测与研究. 2011 (01)
[6]大坝安全监测数据粗差识别技术研究[J]. 周元春,甘孝清,李端有.  长江科学院院报. 2011(02)
[7]大坝安全监测异常测值分析及其模块的实现[J]. 唐敏,何金平,李珍照,吴云芳.  长江科学院院报. 2005(03)

博士论文
[1]稳健统计学的产生与发展[D]. 赵晨阳.西北大学 2013
[2]基于测量机器人的变形监测系统研究[D]. 毛亚纯.东北大学 2011



本文编号：3120861