摘要：大坝的建设，提高了水资源的利用和管理效率。其主要作用是防洪和发电，因此，只有保证大坝的安全，才能确保人们的正常生活。本文阐述了大坝监测安全数据分析的意义，探讨了大坝安全监测数据的分析方法，从而确保了大坝的安全。
关键词：大坝安全；数据；监测；分析方法
1、大坝监测的意义
由于大坝建设项目越来越多，使得我们对水资源有了更全面的了解。目前，我们国家建设了很多具有代表性意义的大坝，充分展示了我国大坝建设的水平。当前，有许多类型的水坝，从小规模的土坝到大规模混凝土土坝。监测大坝安全是大坝运行、改进升级以及水坝设计中不可或缺的一部分。同时，大坝安全系统可以实时监测到大坝在工作中出现的异常情况，并及时通过报警的方式来通知工作人员，使相关人员可以在第一时间对大坝出现的问题进行紧急处理，这对于保护大坝下游以及周围人民的生命和财产安全非常重要。目前，大多数的国家都非常重视大坝的安全监测，不断对监测仪器、监测技术以及数据分析方法进行改进，使得大坝的安全监测水平不断在提高。
2、大坝安全监测数据分析概述
通过监测大坝获取的数据可以实现对大坝运行状况的准确评估。但是，由于我们最初所获取的数据，没有办法清楚的确定大坝的实际运行情况。为此，我们需要对数据进行详细的分析和总结，从监测到的大数据里面找到核心问题，然后总结规律，最后在做出准确的判断，确定大坝的实际运行情况，只有这样做，才能使大坝的安全运行得到保障。
2.1、分析监测数据的意义所在
可以对监测到的原始数据进行分析总结，然后获取需要的数据，为大坝的建设和管理提供科学依据。实践表明，监测大坝运行所获取的数据，可以充分的反应大坝的整体结构特点，为大坝的建设提供了相关的依据。
2.2、监测数据的处理步骤
首先，我们要掌握数据变化的规律：对监测值的发展过程进行分析，从而了解其变化的规律。我们可以通过对数据变化的类型、速度以及周期进行分析，从而了解它在不同地方的特征和差异，捕捉其分布的特性和代表性测量点；对影响监测数据的因素进行分析，从而了解外在和内在因素对监测数据的影响以及关系。通过对其数据进行分析，从而了解并掌握大坝的实际运行状态。然后，寻找问题：在监测变量的分布关系上找到特殊的测量值，检查负载条件和结构性因素，确定它们的变化规律是不是在规定范围内，然后对其原因进行分析，并找到发生问题的原因；其次，对数据变化进行预测：按照所了解掌握的规则，对未来的测量值变化范围进行预测，针对已经知道的问题，预估它们未来的发展趋势和可能造成的后果；最后，对数据的安全性进行判断：根据对相关测量值的分析，确定大坝以前的运行状态有没有安全隐患，并对未来在恶劣条件下，可能会造成的安全问题进行提前预测判断。
3、监测数据的处理方法
3.1、多元回归分析
在大坝安全监测数据分析中使用最广泛的就是多元回归分析方法。其中，被经常使用的就是逐步回归分析。此方法的统计回归模型被广泛用在各种监测变量的分析和建模中。通过大坝变形监测分析为例，把变形（不同位的移值等）当做因变量，把环境量（水的压力以及温度等）当做一个自变量，在统计理论的基础之上构建多元线性回归模型，然后通过逐步回归分析的方法获得环境量和效应量间的函数模型，对变形进行物理解释和预测。因为，此方法是一种统计分析方法，所以必须为变量和自变量建立一个比较长且一致的观测值序列。假如回归模型的环境变量之间的共线性是多重的，则会导致回归模型的参数估计存在误差；另外，观察到的数据序列如果长度不够，而且随机噪声太大时，回归模型可能无法很好的调整，并且还会使模型遭到损坏。
期刊文章分类查询,尽在期刊图书馆
在此分析方法中，如果环境量之间的关联性比较大时，可以使用主成分或岭回归分析方法，可以使用偏回归模型来解决回归模型中因子多重关联性问题的分析，此模型拥有主成分分析以及多元线性回归的功能，在特殊情况下，此模型的性能比经常用到的逐步线性回归模型的性能要好。
3.2、时间序列分析
在大坝安全监测中，每个监测变量的测量数据非常自然的构成了一个随机的时间顺序，因此，我们可以应用时间序列理论分析和方法构建一个模型。时间序列分析方法通常被认为是动态数据参数时域分析方法，其通过对动态数据执行模型顺序和参数估计，来构建对应的数字模型。从而来更好的对这些数据的内部结构和特征进行了解掌握，然后判断和预测数据改变的趋势，使得其具备非常好的短期预测效果。在时间序列分析中，数据必须是随机静态过程，如果不是随机静态过程，那么就要对数据进行差分处理。
3.3、人工神经网络分析方法
人工神经网络是在上世纪后期迅速发展起来的，并被大范围的使用在机器人控制、专家系统、知识工程以及信号处理等各种领域。由于大坝的监测数据和大坝影响因素之间存在着非常复杂的非线性关系。在应用此方法来分析和处理监测数据的过程中，人工神经网络方法可以将某些生物特征转换成工程计算过程，并分析和编辑处理大量数据。
3.4、频谱分析方法
大坝监测数据的分析主要是在时域里进行。使用Fourier信号变换器将时域信号监视数据序列转变成频域信号，然后对其进行分析。通过对每个谐波频率的振动幅度以及对应的主频率最大振动幅度进行计算，然后显示监视量的变化周期，使得时域中显示不清晰的数据信息可以清楚的展示出来。例如，可以通过将监测点的变形量当成输出，把与之相关的环境因素当成输入，然后通过对相应的函数、频率响应函数以及响应谱函数进行估计，对输出和输入之间的关联性进行变形物理分析，来确定主要影响变形的原因。通过把大坝监测数据从时域信号转化成频域信号，进行分析的研究应用特别少，主要是因为其在实际的应用中，需要足够的样本量，而且对数据和系统的要求也非常高，要求数据必须保持稳定，系统必须是线性的。而且频谱分析方法还要考虑到整个频域的信号，并且部分的定位性能比较低下。
3.5、滤波分析方法
滤波分析法是将大坝当做一个动态系统，并通过监测方程和状态方程来对系统状态进行描述，其中状态方程涵盖检测位置的信息率。另外，它还考虑到了预测比率和参数估计，所以其最大的好处就是对数据分析的结果比较严谨，且不用对以前的监测值进行保留。
3.6、灰色理论分析方法
当监测到的数据样本较少时，无法满足时间序列分析和多元回归分析要求时，我们可以应用灰色理论分析方法来进行实体建模。这个理论最初是由邓聚龙在上世纪80年代提出来的。这种方法可以使用累积生成方法，将原始数据的序列转换为矩阵，这削弱了数据序列的随机性，并改善了数据的规律性。像在大坝变形监测数据分析中，大坝变形灰分的微分方程也可用于获取趋势项，然后构建组合模型。通常，时间序列分析是对单个测量点的数据进行排序，假如通过对每个测量点之间的相关性进行分析，然后将分析结果进行关联，则可以取得更好的效果。早在1991年时，熊志荣及其合作者对灰色理论在水利观测数据中的分析应用以及检验标准进行了详细的说明。并且在同年，刘冠彪就使用了灰色系统模型来分析了重力坝的实测应力，证明了灰色系统模型的准确性。
结束语
目前，虽然大坝安全监测数据的分析和应用已经达到了较高的水平，但是，仍然需要对安全监测数据的方法进行不断的优化管理，使其可以跟上社会发展的步伐。
参考文献
[1]张建伟，郭冰，丁志红等，基于状态空间模型的电厂结构系统辨识[J]，水力发电科学，2011（08）
[2]赵欣，大坝安全监测数据分析方法研究[J]，建筑论坛，2016（10）
[3]赵玉琴，贾忠庆，黄九全等，低地水库大坝安全监测[J]，水科学与工程技术，2010（5）
[4]姜可，大坝安全监测数据分析方法研究[J]，科技信息，2012（35）
论文作者:董䶮1,唐小松2
论文发表刊物:《基层建设》2019年第19期
论文发表时间:2019/9/21
标签：大坝论文; 数据论文; 方法论文; 模型论文; 序列论文; 进行分析论文; 时域论文; 《基层建设》2019年第19期论文;