(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111623626.4 (22)申请日 2021.12.28 (71)申请人 大唐水电科 学技术研究院有限公司 地址 610074 四川省成 都市青羊区蜀金路1 号1栋13层13 02号 (72)发明人 商永喜　 (74)专利代理 机构 北京中南长风知识产权代理 事务所(普通 合伙) 11674 专利代理师 李青 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06F 119/14(2020.01) G06F 119/08(2020.01) G06F 119/02(2020.01) (54)发明名称 一种动系统下大坝安全监测数据粗差识别 方法 (57)摘要 本发明涉及动系统下大坝安全监测数据粗 差识别方法， 包括： 分别人工选取两种运行状态 下， 钢板计测值变化规律性正常的数据序列， 记 充水状态下测值序列及记放水状态下测值序列， 并对数据进行归一化处理； 对充水状态下健康的 监测数据， 利用支持向量机方法， 构建综合核函 数； 建立样本训练集和测试集， 构建充水监控模 型； 对放水状态下健康的监测数据， 利用支持向 量机方法， 选择合适的核函数； 建立样本训练集 和测试集， 构建放水监控模型； 设置状态转换开 关， 实现充水状态调用充水监控模型、 放水状态 调用放水监控模型； 根据拉以达准则识别粗差。 本发明能够实现大坝安全监测数据粗差识别。 权利要求书2页 说明书6页 附图2页 CN 114492168 A 2022.05.13 CN 114492168 A 1.一种动系统下大坝安全监测数据粗差识别方法， 其特征在于， 包括蜗壳周围布设钢 板计测值 粗差识别， 所述蜗壳周围布设钢板计测值 粗差识别包括如下步骤： (1)分别人工选取两种运行状态下， 钢板计测值变化规律性正常的数据序列， 记充水状 态下测值序列为 记放水状态下测值序列为 并对数据进行归一 化处理； 其中： 中包含上游水位H、 温度T、 时间t； 中包含钢板计 应力测值； (2)对充水状态下健康的监测数据， 利用支持向量机方法， 构建综合核函数， 综合核函 数表达式如下： (3)建立样本训练集和 测试集， 构建充水监控 模型， 记 为充水监控 模型预测值， 包括： ①在基础优化目标的情况 下， 增加惩罚项， 优化 函数为： S.t.gi(ω,b)＝1 ‑yi(ωTXi1+b)‑ξi≤0, ξi≥0,i＝1,2...,n 其中， ξi为松弛变量， C为 惩罚因子； ②构造Lagrange函数， 并将其 转换为对偶问题 S.t. λi≥0 μi≥0 其中λi和 μi为Lagrange乘子， ω、 b和 ξi是主问题参数； 根据强对偶性， 将构造的La grange函数转换为 ③对上述对偶问题中w、 b和 ξi求偏导数， 并令偏导数为0； C＝ λi+ μi ④将 过 程 ③所 得 结 果 带 入 L a g r a n g e 函 数 中 ， 得 到 L a g r a n g e 乘 子 ； ⑤将Lagrange乘子带入过程 ③中等式， 求得ω和b,最终求得超平面方程表达式ωTx+b ＝0， 令y＝ωTx+b即为充水状态下监控 模型； ⑥根据以上SVM理论， 编制程序分别形成:SVMtrain[x,y,K(xi,xj),C]和SVMpredict[x, y,SVMtrain]函数； 其 中： x,y为归一化后数据， K(xi,xj)为综合核函数， C为惩罚函数的惩罚权　利　要　求　书 1/2 页 2 CN 114492168 A 2力度； ⑦调用SVMtrain和SVMpredict函数， 计算预测值， 并对预测值反归一化， 记 为充水监 控模型预测值； (4)对放水状态下健康的监测数据， 同充水状态一 致， 选择综合核函数； (5)建立样本训练集和测试集， 构建放水监控模型， 记 为放水监控模型预测值， 同充 水状态模型建立过程； (6)设置状态转换开关， 实现充水状态调用充水监控模型、 放水状态调用放水监控模 型； (7)根据拉以达准则， 若钢板计应力测 量值yi所对应的剩余残差 则将该测 量值判为粗差； 上式中将yi替换为监控模型预测值 利用贝赛公式计算所得S代替σ； 针对 某可疑值， 若满足： 其中 则yi含有粗差， 予以处 理。权　利　要　求　书 2/2 页 3 CN 114492168 A 3