摘要：随着大坝工程的不断发展，大坝工程在发挥着重要作用的同时，其安全性也成为当前人们关注的重点内容之一。因此，为了保障大坝能够长期稳定运行，需要对大坝安全监测数据进行分析，以了解到大坝每时刻的运行状态，并对大坝后期的运行状态进行预测。本文主要通过对大坝安全监测的背景进行分析，明确大坝安全监测的意义。并对大坝安全监测数据分析的过程进行分析，了解到大坝安全监测数据处理的具体步骤，以及所能够获取的信息。最后，对大坝安全监测数据分析方法进行阐述，了解到多元回归分析、时间序列分析、人工神经网络法、频谱分析和灰色理论分析等方法的优缺点。
关键词：大坝；安全监测；数据分析
1 大坝监测的背景
随着大坝工程的不断发展，从大坝工程的建设中我们逐渐认识到水资源的特性，并对水资源进行了合理使用。目前，我国已经建成了多个具有代表性的大坝，如三峡重力坝、溪洛渡拱坝等。从小坝到大坝，水坝的规模在不断变化。而在大坝工程建设的过程中，进行大坝安全监测数据分析，是优化大坝建设方案、保障大坝顺利施工的重要环节，而且从大坝安全监测数据分析中可以随时了解到大坝的运行情况，并获取溃坝信息，从而能够及时发出预警，避免造成安全事故。目前，各国已经不断加强对大坝安全监测数据分析的重视程度，所使用的监测仪器、监测技术也处于不断发展过程中，不断完善了大坝安全监测数据分析工作，为保障大坝能够安全运行提供了重要保障。
2 大坝的数据处理
大坝安全监测数据是对大坝运行状态评估的依据，但是，初始所获得的数据并不能真实地反映出大坝的真实运行状态，这就需要对所获得数据进行整理、提取、识别、分析和归纳，从数据中了解到大坝当前的运行规律，从而能够真实反映出大坝的运行状态，以确保大坝能够长期稳定运行。
2.1 安全监测数据分析的作用
对初始所获取的安全监测数据进行分析，能够提取出真正反映出大坝运行规律的数据，进而为保障大坝的建设和安全运行提供保障。能够实时反映出大坝运行状态的信息都包含在大坝安全监测数据中，对大坝安全监测数据进行分析具有很重要的工程应用和科学研究意义。
2.2 安全监测信息的处理
对大坝安全监测信息进行处理主要包括四个步骤，即认识规律、查找问题、预测变化和判断安全。（1）认识规律，通过所获得的安全监测信息，根据时间的变化，如波动，频率，周长，对数据变化范围和分布的观测信息，在空间确定不同位置的数据不同特点，以获得对其分布和目标数据的位置，并了解其观测信息的影响因素。同时，需要从外部和内部对影响因素进行处理，以明确这些因素对大坝的具体影响。（2）查找问题，大坝安全监测数据必然具有一定的空间和时间上的分布规律，并结合影响大坝安全运行的因素，研究在一定的时间段内大坝的运行状态变化，并分析出影响大坝安全运行的主要原因。（3）预测变化，从大坝安全监测数据的分析可以了解到大坝的运行规律，那么从这个规律中可以对大坝未来的发展走势进行预测。（4）推断安全，对所获取的大坝安全监测数据进行处理之后，可以预测到大坝在一段时间内的运行状态，以确定大坝是否正常运行。
一般来说，对大坝安全监测数据进行处理主要可以从两个方面进行。一方面，正向分析，以安全监测数据为基础，建立相应的数学模型，通过数学模型可以直观地看到所想要看到的信息。另一方面，反演分析，在系统辨识的基础上进行的，利用正演分析得出的结论，处理拱坝的实际荷载、坝体混凝土温度等相关参数和大坝材料来源。
期刊文章分类查询,尽在期刊图书馆
3 大坝安全监测数据分析方法
3.1 多元回归分析
多元回归分析是大坝安全监测数据分析方法中最为常用的方法之一，以大坝变形监测作为模型进行分析，以大坝的变形作为模型因变量，以大坝的环境质量作为模型独立变量，建立多元线性回归模型是基于数理统计理论，与环境的影响量之间的函数模型是采用逐步回归分析方法得到的，之后就进入模型进行变形的物理解释与预测。由于它是一种统计分析方法，需要一个长且一致的观察序列，是由相关变量和自变量组成。如果大坝模型中有多重共线性回归模型，影响大坝模型环境变量之间的关系，这就很可能导致大坝的回归模型的参数估计不准确，影响后续分析。如果观测数据序列的长度不满足大坝模型的要求，那么就会导致大坝模型数据中的随机性过大，它可能会导致过拟合现象的回归模型和破坏模型的完善性，影响分析的准确性。
3.2 时间序列分析
在使用时间序列分析方法对大坝安全监测数据进行分析的过程中，需要建立AR、MA或ARMA模型。时间序列分析是对大坝安全监测数据后期的走势进行预测，短期内预测的效果是非常不错的。而对检测数据进行处理时通过所修改的模型进行的，并能够通过EM算法了解到大坝一些老构件的状态，对大坝当前的变形情况进行播报。时间序列分析法具有很好的预测能力，且能够通过老构件的情况来分析大坝当前的运行状态。
3.3 人工神经网络法
20世纪末，人工神经网络得到了快速发展，并广泛运用到各个行业中，主要是使用于专家系统、优化组合、信号处理、模式识别和知识工程等工作中。由于大坝的安全监测数据与影响大坝安全运行的因素之间存在一定的线性和非线性关系，加大了数据处理的难度。而人工神经网络法在对数据进行处理时，可以将生物学特性转换为工程计算，从而能够对大坝安全监测数据进行处理和分析。
3.4 频谱分析
在对大坝安全监测数据进行分析时，还需要使用到空间域和时间域的知识，对安全监测数据进行编辑、分析和处理。通过分析得到的数据，实现编辑所需的振幅和频率。同时，最大幅度应与主频率比较。如此一来，虽然有时数据信号不得到在时间域中，但通过转换到频域，可以清楚地观察到。通过估计函数模型，输出相应的环境影响因素，光谱响应函数和频率响应函数，对变形的物理意义的解释需要使用相关数据信号的输出和输入两者的相关性，以此确定是否变形以及主要因素，次要因素和输出参数。此方法没有太多分析大坝从时域信号转换频域信号的监测数据，这种方法需要足够的样本，需要使用的数据是稳定的线性。
3.5 灰色理论分析
如果工作人员所获取到的大坝安全监测数据不足，无法通过回归分析和时间序列分析进行处理时，则可以通过灰色理论分析法来建立模型。灰色理论分析的原理在于能够对大坝安全监测数据进行生成，将原始序列转换为生成序列，这样能够大大降低数据的随机性，同时能够加强数据的规律性。通过灰色理论分析法所建立的模型，可以得到大坝变形的灰色趋势微分方程，通过这个方程可以了解到各点之间的相关性。从实际的使用中，通过灰色理论分析法所建立的模型具有理论合理、过程严密和精确度高等优点。
3.6 Kalman滤波法
Kalman滤波法是将物体看作一个动态系统，对系统进行分析。在大坝安全监测数据分析中，将大坝看成一个动态系统，并对其进行处理，用状态方程来描述动态系统当前的状态，主要包括探测位置的信息速率。Kalman滤波法的优点在于所获取的结果比较准确，且不需要保留以往的观测数据。
总结：
总之，为了保障大坝能够长期稳定运行，对大坝安全监测数据进行分析是非常有必要的。目前，大坝安全监测数据分析已经处于较高的水平，相关的安全监测数据分析方法也趋于完善，为大坝的建设和维护提供了充足的数据支持。而在分析大坝安全监测数据的过程中，所建立的模型还不够完善，需要对模型进一步优化，以便能够通过所建立的模型直观地了解到大坝的运行状态。
参考文献：
[1]周权, 黄华. 大坝安全监测数据分析方法研究[J]. 科技创新与应用, 2018, No.237(17):125-126.
[2]赵鑫. 大坝安全监测数据分析方法研究[J]. 建筑工程技术与设计, 2016.
论文作者:罗航, 唐小松
论文发表刊物:《城镇建设》2019年第11期
论文发表时间:2019/8/13
标签：大坝论文; 数据论文; 模型论文; 序列论文; 进行分析论文; 方法论文; 时间论文; 《城镇建设》2019年第11期论文;