水闸建筑物变形实时风险率量化与预警方法

专利主权项内容

1.水闸建筑物变形实时风险率量化与预警方法，其特征在于，包括如下步骤：步骤S1：搭建监控系统：所述监控系统包括数据采集模块、数据储存模块、数据处理模块和智能决策与预警模块；其中，数据采集模块包括布置在水闸建筑物中的温度传感器、布置于水闸上下游水域中的水位传感器，以及布置在水闸建筑物不同测点的多个监测设备；所述监测设备以位移传感器为核心部件，每个监测设备对应一个唯一的编号；数据采集模块用于收集水闸建筑物的结构温度、水闸上下游水位、不同测点的变形数据；数据处理模块用于对监测数据进行分析和计算；数据存储模块用于存储数据采集模块采集的原始数据，以及经数据处理模块分析和计算的结果；智能决策与预警模块根据数据处理模块的计算结果进行判断，并根据判断结果发出警报信息；步骤S2：数据采集模块中的所有监测设备实时采集水闸建筑物各测点的变形信息、温度传感器实时采集水闸建筑物的结构温度信息，以及水位传感器实时采集水闸上下游水域的水位信息，定期将采集的原始数据传送给数据处理模块，并存储于数据储存模块中；步骤S3：数据处理模块根据收到的水闸建筑物变形原始数据，建立水闸建筑物变形监控模型，通过水闸建筑物变形监控模型进行单测点的风险率量化；建立水闸建筑物变形监控模型，具体包括如下步骤：步骤S3.1：取前+6组所采集的水闸上下游水位差、温度监测值以及第个测点所监测的水闸建筑物变形实测值，并带入下式中，求出参数、、、、......、、和；m2HT、ja1ja2ja3jb1jbjs、bm2 sc1jc2jdj
；式中，为水闸上下游水位差，为第个温度传感器采集的温度变化值，即第个温度传感器第天的实测值减去该温度传感器安装时的初始测值，为温度传感器的总数；为监测日至始测日的累计天数，；、表示时效因子拟合系数，为常数项；该步骤中，∈[1，+6]；HTsssim2ic1jc2jdjim2具体采用如下方法求解参数、、、、......、、和：a1ja2ja3jb1jbjs、bm2 sc1jc2jdj1)、计算实测值和拟合值/>的剩余平方和U：
；2)、根据最小二乘原理，则存在：
；从而求得上述拟合参数；步骤S3.2：根据步骤S3.1求出的参数，得出第个测点的变形拟合值函数，即第个测点的变形监控模型：jj
；该步骤中，∈(+6，]，为大于+6的自然数；im2nnm2步骤S3.3：采用和步骤S3.1、步骤S3.2相同的方法，求出其他测点的变形监控模型；通过水闸建筑物变形监控模型进行单测点的风险率量化，具体如下：将第个测点的实测值和拟合值/>代入下式，得出水闸建筑物该测点的实时风险率；j
；式中，为第个测点第天的风险率；/>为第个测点第天的拟合值；/>为第个测点第天的实测值；/>为剩余标准差，/>；jijiji步骤S4：智能决策与预警模块对得到的各测点风险率信息进行实时分析，基于Copula函数实现水闸建筑物变形综合风险率量化，并对水闸建筑物变形综合风险率进行研判，当综合风险率超过预设值时进行预警，具体包括如下步骤：步骤S4.1：选取Gamma分布作为残差序列的边缘概率分布函数，将步骤3中计算得出的序列和对应的作为已知条件带入下式进行拟合，得出参数g，g：x12
；其中，第个测点第天的风险率值等于对应的/>，即/>和/>存在一一对应关系；实测值/>与拟合值/>之差为，即/>； ；jix根据求得的参数g，g，得出第个测点的边缘概率分布函数；12j步骤S4.2：采用同样的方法求得其他测点的边缘概率分布函数；步骤S4.3：将得到的组序列代入Frank Copula函数，其中Frank Copula函数表达式如下：j
；采用非线性拟合法求解参数，对上式进行求导得到/>，其中， />已知，因此能够得到FrankCopula函数具体的表达式；步骤S4.4：对于水闸建筑物变形而言，单测点的变形异常均视为水闸整体的状态异常，因此，水闸建筑物整体变形效应量风险率的计算公式为：
；式中，为第天水闸建筑物整体风险率；Pii步骤S4.5：将与水闸建筑物整体风险率的预设阈值进行对比：PiQi当≥时，智能决策与预警模块发布预警信息；当＜时，则持续监测；PiQiPiQi所述预设阈值由已计算出的风险率计算得出。P-1i 来源：百度马 克 数据网