[发明专利]自动化监测异常数据的判别及处理方法

说明书

技术领域

本发明属于自动监测领域，具体涉及一种自动化监测异常数据的判别及处理方法。

背景技术

自动化监测系统具有高精度、连续性、实时性的特征，已被广泛应用于工程测量的多个方面。在自动化监测的实施过程中，不可避免地会出现异常数据，究其原因，主要分为两类：

非正常施工因素：仪器突发故障、仪器性能不稳定（包括数据漏采为“0”）、断电、测点破坏或被遮挡等，该类异常数据应在第一时间判定出，并予以剔除；

正常施工因素：该类异常数据能客观反映整个工程的状态，是业主、施工方等单位重点关心的对象，应谨慎处理，确立合理的报警机制。

目前，还没有对异常数据进行自动化判别的方法形成，也没有相应的处理方法。

发明内容

本发明的目的是根据上述现有技术的不足之处，提供一种自动化监测异常数据的判别及处理方法，该方法通过建立统计的数据模型并计算符号因子，以对异常数据进行判别、分类，并进行相应的处理，实现真正的自动化监测，合理指导施工。

本发明目的实现由以下技术方案完成：

一种自动化监测异常数据的判别方法，涉及由数据采集系统所采集的监测数据，所述监测数据基于时间序列，其特征在于将所述监测数据中的异常数据分类为偶然数据、突变数据和缓变数据，以所述监测数据的发布时间点前推N个时间序列的时间点为基点j_i，建立统计的数据模型，并定义符号因子                                               ；（1）所述偶然数据的判别方法至少包括如下步骤：当计算得所述符号因子q_i＜0时，则计算出所述数据模型中的数据平均值S和标准差σ，所述数据模型共有M+N+1个监测数据点，其中参数M、N根据具体工程取值；以所述数据平均值S为中心线，以S+3σ为上边界，以S－3σ为下边界；若所述基点j_i超出了所述的上边界或下边界，则所述基点j_i被判定为所述偶然数据；若所述基点j_i处于所述上边界和所述下边界之内，则暂时保留该点以作进一步判定； （2）所述突变数据的判定方法至少包括如下步骤：（a）当计算得所述符号因子q_i＞0时，若再满足：或，则所述基点j_i为所述突变数据；其中所述n₂ 、n₃为经验参数，所述Δr为所述监测数据的日变量报警值，所述Δz为所述监测数据的累计变量报警值；（b）若计算未满足（a）中的条件，则进行如下判断，若满足或，且同时满足或，则将所述基点j_i标识为观察数据；其中所述n₄ 、n₅为经验参数，所述j_i1d为相对于基点j_i 的24小时之前的监测数据；（c）在（b）中所述观察数据的基础上，对所述数据模型的单调性进行判断，若所述符号因子，且，……，说明所述数据模型中的所述监测数据呈单调性，则判定所述基点j_i为所述突变数据； （3）所述缓变数据的判定方法至少包括如下步骤：首先计算判断所述数据模型中的所述监测数据单调性，满足单调性的所述监测数据，若再满足且，则进一步判别，若符合下列两种情况之一，则所述基点j_i判定为缓变数据；其中所述、为经验参数；     情况一：且     情况二：且。

所述经验参数n₂ 和n₃可分别取0.5和0.1。

所述经验参数n₄ 和n₅可分别取2和0.4。

所述经验参数和可分别取0.2和0.05。

所述经验参数和可分别取0.3和0.08。

一种涉及上述自动化监测异常数据的处理方法，其特征在于所述处理方法至少包括如下步骤：当所述基点j_i被判定为所述偶然数据后，将该点剔除，并采用所述数据平均值取代该点。

一种涉及上述自动化监测异常数据的处理方法，其特征在于所述处理方法至少包括如下步骤：当所述基点j_i被判定为所述突变数据后，延迟发布时间，观察所述监测数据变化趋势，同时自动加密监测频率；之后检查仪器可靠性；其后结合现场施工情况综合判别，发布报警信息。