[发明专利]一种大坝异常监测数据自动识别方法

权利要求书

1.一种大坝异常监测数据自动识别方法，其特征在于，所述方法包括以下步骤：

1)由原始监测数据序列构建轨迹矩阵，然后对轨迹矩阵进行奇异值分解得到一系列特征组；

2)将特征组按照特征值从大到小排列，选择累积贡献率大于等于85％的前若干个特征组为主要特征组；

3)计算主要特征组对应的基本矩阵，然后对基本矩阵进行对角平均化得到数据序列的前若干个主要成分；

4)将主要成分累加得到重构数据序列；

5)用重构数据序列和原数据序列相减得到残差序列，求出残差序列的标准差；

6)根据残差序列的标准差由拉依达准则判断测值是否为异常值。

2.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述轨迹矩阵X由对监测数据序列f₀,f₁,f₂,...,f_N-1在时间上滞后排列得到，表示为：

其中，N为监测序列数据总数，L为窗口长度，1＜L＜N，K为轨迹矩阵X每行所包含的测值数量，K＝N-L+1；i,j用来标示元素x_ij在轨迹矩阵X中所处的位置是在第i行第j列。

3.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述对轨迹矩阵X进行奇异值分解是指：求S＝XX^T的非负特征值λ₁,λ₂,λ₃,...,λ_l以及对应的标准正交化的特征向量U₁,U₂,U₃,...,U_l以及所述特征组是指(λ_i,U_i,V_i)，称为第i个特征组。

4.根据权利要求3所述的大坝异常监测数据自动识别方法，其特征在于，所述第i个特征组的贡献率CR_i由下式计算：

所述主要特征组为累积贡献率大于等于85％的前m个特征组，即：

i,j用来标示是第几个特征值，m表示主要特征组的总数，l表示非负特征组的总数。

5.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述基本矩阵X_i由以下公式计算得到：

6.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述对基本矩阵X_i进行对角平均化求主要成分的过程为：对于L×K的矩阵X_i，令其元素为x_ij，L*＝min(L,K),K*＝max(L,K)，N＝L+K-1；若L＜K，则x_ij*＝x_ij，否则x_ij*＝x_ji， 第i个主要成分按下式计算：

7.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述重构数据序列由前m个主要成分累加得到，即：

8.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述残差序列Δ_k由重构序列和原数据序列相减得到，即：

9.根据权利要求1所述的大坝异常监测数据自动识别方法，其特征在于，所述拉依达准则为，取置信水平为99％、残差序列的标准差为σ时，当下式成立时测值为正常值，否则为异常值：

|Δ_k|≤2.58σ (8)。