基于复杂网络的堤坝健康监测敏感测点分析方法
【技术领域】
[0001] 本发明涉及一种堤坝健康监测分析方法，特别是涉及一种基于复杂网络的堤坝健 康监测敏感测点分析确定方法。
【背景技术】
[0002] 堤坝健康监测不仅有利于避免大的险情和灾害发生，对堤坝性态及微小变化的准 确掌握也是反馈设计施工质量和检验科研效果的前提条件。及时、准确地掌握堤坝的性态， 是保证堤坝安全运行的基础。
[0003] 堤坝健康监测是河湖和水库安全运行的耳目，但目前，绝大部分实测资料分析方 法对数据要求比较高，如要求数据满足平稳性、正态性和独立同分布等要求，而实际实测资 料都具有非平稳性、相关性和异方差性，从而使得现有分析方法难以准确掌握测值规律，有 时甚至得到错误结论。同时现有分析方法对敏感或重要测点分析确定往往无能为力，只能 依靠专家经验。
[0004] 实际上，堤坝健康监测的实际测值序列大多不平稳，尤其是堤坝危险期或非常工 况期。而敏感或重要测点的确定往往同结构性态分析是相互关联的，是一个问题的两个方 面。目前常规分析方法许多都只能适应平稳时间序列或对数据噪声敏感，从而既不能识别 敏感测点，也不能对结构性态进行有效分析。
【发明内容】
[0005] 本发明的主要目的在于，克服现有技术中的不足，充分利用复杂网络分析方法的 多尺度分析功能和对误差不敏感的优势，提供一种基于复杂网络的堤坝健康监测敏感测点 分析方法，克服常规分析方法对数据误差的敏感性，可发现各个测点的重要程度，实现各个 测点之间相关关系的分析，并准确地掌握堤坝的工程健康性态，实现堤坝性态的有效预警。
[0006] 为了达到上述目的，本发明所采用的技术方案是：
[0007] 基于复杂网络的堤坝健康监测敏感测点分析方法，包括以下步骤：
[0008] 1)根据堤坝健康监测项目和测点，应用布设于测点的传感器获取堤坝对应测点的 实际测值时间序列；
[0009] 2)运用等概率粗粒化的方法，将测值时间序列转化成符号序列；
[0010] 3)把符号序列编码在复杂网络的拓扑结构中，构造复杂网路；
[0011] 4)对复杂网络的特征参数进行分析，获取该堤坝健康监测项目的敏感测点及其性 态演化规律，进行堤坝的工程健康性态判别。
[0012] 本发明进一步设置为：所述步骤1)中堤坝健康监测项目包括环境量、渗流场、温 度场和变形场。
[0013] 本发明进一步设置为：所述步骤2)中等概率粗粒化的方法，具体包括步骤，2-1) 设X_和X_分别是测值时间序列的最大值和最小值，转化后的符号共有N种，记为si， S2，· · ·，SN，疋_乂·
[0014]Si=s.j，xmin+(j_l)d彡Xi<xmin+jd，j= 1，· · ·，N (1)
[0015] 其中，N>2,d= (x_-x_)/N;由式（1)得到N种不同字符构成的符号序列；
[0016] 2-2)记堤坝测值时间序列为|x(t) = 1，. . .，N}，通过式⑵计算测值时间序列波 动k⑴，
[0018] 其中，At为时间间隔；
[0019] 2-3)通过式（3)计算不同波动值可能出现的概率p(k)，
[0021] 其中，Num(x)对应测值序列的波动模态X发生的次数；
[0022]2-4)把测值时间序列的波动k(t)分为5个区间，定义5个特征字符为式（4)，
[0024] 其中，t代表测值数值快速增加，r代表测值数值缓慢的增加，e代表测值数值不增 不减，d代表测值数值缓慢的降低，f代表测值数值快速的降低；
[0025] 从而将测值时间序列转换成符号序列为式（5)，
[0026] S=(SASy · ·)，Sie(t，r，e，d，f) (5)
[0027] 本发明进一步设置为：所述步骤3)中构造复杂网路，是在把符号序列编码在有向 加权的复杂网络的拓扑结构之后，通过excle2pajek软件转换成pajek软件可处理的格式。
[0028] 本发明进一步设置为：所述步骤4)中对复杂网络的特征参数进行分析，通过 pajek软件进行。
[0029] 本发明进一步设置为：所述步骤4)中复杂网络的特征参数包括平均最短路径长 度、平均集聚系数和模块度系数。
[0030] 本发明进一步设置为：所述环境量包括溃坝前上游水位测点、溃坝前下游水位测 点和大气压力测点；所述渗流场包括渗压水位测点、渗流量测点和坝体水分测点；所述温 度场采用分布式光纤测量，包括坝体表面气温测点、库水温测点、坝体内部温度测点、上游 水温测点和下游水温测点；所述变形场包括坝体表面变形测点、坝体内部变形测点和倾度 测点。
[0031] 与现有技术相比，本发明具有的有益效果是：
[0032]根据溃坝试验实测数据，从复杂网络的角度揭示测值时间序列变化的动力学特 征，首先运用等概率粗粒化的方法，将测值时间序列转化成符号序列，把符号序映射成网络 参数构造复杂网路，然后通过对复杂网络的特征参数的分析，获取重要测点及其性态演化 规律，从而实现堤坝健康性态分析，具有有效识别重要测点和判别堤坝性态演化的能力。其 中，采用粗粒化方法，有利于克服数据误差对分析结果的影响，有利于实现不同尺度的分 析；同时采用复杂网络分析方法，可以发现各个测点的重要程度，实现各个测点之间相关关 系的分析，从而提取敏感测点，及时准确地掌握堤坝的工程健康性态，实现堤坝性态的更有 效预警。
[0033] 上述内容仅是本发明技术方案的概述，为了更清楚的了解本发明的技术手段，下 面结合附图对本发明作进一步的描述。
【附图说明】
[0034]图1为本发明基于复杂网络的堤坝健康监测敏感测点分析方法的流程图；
[0035] 图2为本发明实施例的堤坝试验过程中蓄水期的环境温度过程线；
[0036] 图3为本发明实施例的堤坝试验过程中溃决过程的水位过程线；
[0037] 图4为本发明实施例的溃坝前上、下游水位测值的复杂网络图；
[0038] 图5为本发明实施例的整个过程渗流压力测点Ml、M2对应的复杂网络图；
[0039] 图6为本发明实施例的溃坝期渗流压力测点Ml、M2对应的复杂网络图；
[0040] 图7为本发明实施例的4个不同测点的光纤温度测值的复杂网络图；
[0041] 图8为本发明实施例的溃坝期测点Sl、S2测值对应的复杂网络图；
[0042] 图9为本发明实施例的整个过程倾度测点Kl、K2测值对应的复杂网络图；
[0043] 图10为本发明实施例的溃坝期倾度测点Kl、K2测值对应的复杂网络图；
[0044] 图11为本发明实施例的整个过程的三组温度测值对应的复杂网络图。
【具体实施方式】
[0045] 下面结合说明书附图，对本发明作进一步的说明。
[0046] 如图1所示，本发明提供一种基于复杂网络的堤坝健康监测敏感测点分析方法， 包括以下步骤：
[0047] 1)根据堤坝健康监测所设置的项目应用监测传感器，获取该堤坝健康监测项目的 测点的测值时间序列；其中，坝健康监测项目根据需要包括环境量、渗流场、温度场和变形 场等。
[0048] 2)运用等概率粗粒化的方法，将测值时间序列转化成符号序列；其中，等概率粗 粒化的方法，具体包括步骤，
[0049] 2-1)设x_和x_分别是测值时间序列的最大值和最小值，转化后的符号共有N 种，记为Sps2, . . .，SN，定义<