基于 STL 方法的大坝变形监测数据异常值检测与分析

立巍 魏(黄河水利水电开发集团有限公司，中国)
佳凝 吕(黄河水利水电开发集团有限公司，中国)
凯 胡(黄河水利水电开发集团有限公司，中国)
存相 曹(黄河水利水电开发集团有限公司，中国)

摘要

针对大坝安全监测数据中异常值影响分析可靠性的问题，本文提出一种基于STL（Seasonal-Trend decomposition using Loess）的异常值识别与修复方法。该方法通过将时间序列分解为趋势、季节性和残差分量，利用切比雪夫不等式构建阈值模型以识别异常，并基于趋势与季节性分量之和进行修复，从而在保留数据内在结构与特征的前提下提升数据质量。实验表明，该方法能有效支持大坝变形分析与安全评估。

关键词

大坝安全监测、异常值检测、STL方法、数据修复、季节性分析

参考

邹晓磊，薛桂玉．大坝监测数据异常值识别方法探讨[J].水电能源科学，2009.27(5):83-85.

丛培江．大坝监测数据异常值的概率识别法[J].水电能源科学，2005( 4) : 32－34．

李啸啸，蒋敏，吴震宇，等．大坝安全监测数据粗差识别方法的比较与改进[J].中国农村水利水电,2011(3):102-105,112.

SALAZAR F; MORAN R; TOLEDO MA; et al. Data-based models for the prediction of dam behaviour: a review and some methodological considerations. Archives of computational methods in engineering. 2015, 24(1). 1-21.

CHENG L; ZHENG DI. Two online dam safety monitoring models based on the process of extracting environmental effect. Advances in Engineering Software. 2013 ,57(3), 48 -56.

王晓玲,王成,王佳俊,等.大坝渗压混合预测的STL分解-集成学习模型[J].水力发电学报,2024,43(09):106-123.

侯伟亚,温彦锋,邓刚,等.联合时序分解和深度学习的高土石坝变形预测[J].水力发电学报,2022,41(03):123-132.

胡祚晨.基于STL-CS-LSTM组合模型的大坝变形预测方法研究[D].江西理工大学,2021.

霍玉洪.切比雪夫不等式及其应用[J].长春工业大学学报(自然科学版),2012,33(06):712-714.图 4 沉降数据残差成分图 5 异常值修复对比

DOI: http://dx.doi.org/10.12345/slkxyjs.v8i10.33082