一种大坝时间序列监测数据异常值识别方法、系统及介质

本发明涉及数据分析领域，具体涉及一种大坝时间序列监测数据异常值识别方法、系统及介质。

背景技术：

1、大坝安全监测系统是用于监测大坝结构性态的一种系统，旨在实时监测大坝结构的各项指标，及时预警和处理可能存在的安全隐患，以确保其在使用过程中的稳定性和安全性。

2、大坝安全监测数据序列中经常存在不同原因产生的异常值，这些异常值会直接影响对大坝运行性态的准确判断。因此，在利用监测数据序列对大坝进行后续的分析预测前，必须事先剔除监测数据序列中的异常值，以提高监测数据序列的可靠性。

3、异常值识别方法中应用最多的是统计检验法和数学模型法，其中，传统统计检验法通常将相同工况下的监测数据作为一组进行检验，但未能考虑到数据在时间序列上的连续性和趋势变化，可能导致异常值的误判；数学模型法需要结合外部环境量的监测数据建立统计模型，而在环境量监测中，受众多因素影响，各个监测仪器会出现不同时段不同程度的缺测情况，当缺测时段过长时，便无法进行补充，在此情况下可供建立数学模型的数据较少，数学模型法便无法使用。

技术实现思路

1、本发明提供一种大坝时间序列监测数据异常值识别方法、系统及介质。上述方法有助于实现大坝安全监测数据异常值的精确识别。

2、本发明提供一种大坝时间序列监测数据异常值识别方法，包括：

3、获取表征大坝安全的变形量时间序列监测数据，通过均值跳跃识别方法确定变形量时间序列监测数据中的多个突变点；

4、多个突变点将变形量时间序列监测数据分割为多个监测数据段落，突变点前后的变形量时间序列监测数据围绕不同的均值上下浮动，将突变点前后两段变形量时间序列监测数据的均值之差作为监测数据序列的确定性成分，监测数据序列扣除确定性成分后剩余的部分为随机性成分；

5、对随机性成分序列进行统计检验，获得变形量时间序列监测数据的异常值。

6、优选的，所述均值跳跃识别方法包括：mann-kendall检验法、pettitt检验法、滑动t检验法、滑动f检验法。

7、优选的，所述对随机性成分序列进行统计检验，获得变形量时间序列监测数据的异常值，包括：

8、获取随机性成分序列，计算随机性成分序列的均值和标准差；

9、若随机性成分与均值的残差值大于3倍标准差，则该随机性成分对应的监测数据为异常值。

10、本发明同时提供一种大坝时间序列监测数据异常值识别系统，用于实现如上文任一所述的大坝时间序列监测数据异常值识别方法，所述大坝时间序列监测数据异常值识别系统包括：

11、识别突变点模块，用于获取表征大坝安全的变形量时间序列监测数据，通过均值跳跃识别方法确定变形量时间序列监测数据中的多个突变点；

12、获取随机性成分模块，用于多个突变点将变形量时间序列监测数据分割为多个监测数据段落，突变点前后的变形量时间序列监测数据围绕不同的均值上下浮动，将突变点前后两段变形量时间序列监测数据的均值之差作为监测数据序列的确定性成分，监测数据序列扣除确定性成分后剩余的部分为随机性成分；

13、统计检验模块，用于对随机性成分序列进行统计检验，获得变形量时间序列监测数据的异常值。

14、本发明同时提供一种计算机可读存储介质，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现如上文中任一项所述的大坝时间序列监测数据异常值识别方法的步骤。

15、与现有技术相比，本发明首先利用均值跳跃识别方法确定突变点，然后通过分解合成理论，将监测数据序列分为确定性成分和随机性序列，采用传统的统计检验法对随机性序列进行异常值识别，上述方案确保对异常值的识别能够充分考虑到监测数据序列的连续性和年际变化趋势，再通过分离监测数据序列中的随机性成分反映序列中的随机波动和噪声，从而提高了异常值识别的准确性和可靠性。

技术特征：

1.一种大坝时间序列监测数据异常值识别方法，其特征在于，包括：

2.根据权利要求1所述的大坝时间序列监测数据异常值识别方法，其特征在于，所述均值跳跃识别方法包括：mann-kendall检验法、pettitt检验法、滑动t检验法、滑动f检验法。

3.根据权利要求1所述的大坝时间序列监测数据异常值识别方法，其特征在于，所述对随机性成分序列进行统计检验，获得变形量时间序列监测数据的异常值，包括：

4.一种大坝时间序列监测数据异常值识别系统，其特征在于，用于实现如权利要求1-3任一所述的大坝时间序列监测数据异常值识别方法，所述大坝时间序列监测数据异常值识别系统包括：

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现如权利要求1至3中任一项所述的大坝时间序列监测数据异常值识别方法的步骤。

技术总结本发明提供一种大坝时间序列监测数据异常值识别方法、系统及介质，涉及数据分析领域，包括：获取表征大坝安全的变形量时间序列监测数据，通过均值跳跃识别方法确定变形量时间序列监测数据中的多个突变点；多个突变点将变形量时间序列监测数据分割为多个监测数据段落，突变点前后的变形量时间序列监测数据围绕不同的均值上下浮动，将突变点前后两段变形量时间序列监测数据的均值之差作为监测数据序列的确定性成分，监测数据序列扣除确定性成分后剩余的部分为随机性成分；对随机性成分序列进行统计检验，获得变形量时间序列监测数据的异常值。上述方法有助于实现精确识别大坝安全监测数据的异常值。技术研发人员：闫滨,高真伟,闫胜利,刘东宇,华玉多受保护的技术使用者：沈阳农业大学技术研发日：技术公布日：2024/9/26