基于海量监测巡检信息融合模型的大坝安全评估方法与流程

本发明属于多源数据融合，具体公开了一种基于海量监测巡检信息融合模型的大坝安全评估方法。

背景技术：

1、大坝安全是保障国民经济的重要基础设施，为了对大坝工程潜在的事故进行预防，避免经济、社会等各方损失的形成，需及时对工程结构安全运行状态做出评价。随着计算机技术和数学方法的快速发展，众多安全评价的方法如模糊综合评价法、神经网络法、灰色系统理论法得到了应用和推广。作为工程运维安全管理的重要一环，科学的安全评价法对保障工程安全运行和决策制定均具有一定的理论价值和指导意义。

2、现有研究虽然为大坝的安全评价提供了一些可行的解决方案，如郭承乾等融合多维度变形监测数据重构外观变形场，全面地掌握堆石坝的整体变形性态；位敏利用多源信息融合原理形成了一套大坝渗漏多源信息融合诊断技术及其安全评估方法体系；姜振翔通过建立不同效应量的监控模型，提出了基于多源时空信息的混凝土重力坝运行性状融合评价方法。但这些评价方法和模型大都针对监测数据源，然而与工程安全相关的数据源不仅包含海量监测数据，还包含日常巡检数据。

3、大坝的安全性和结构健康评估需要获取海量的监测巡检信息。安全监测数据通常反映结构内部受力情况，为工程结构的安全评判提供了数据支撑，然而监测点通常布设于关键部位，非关键部位上仍然缺少相应的信息采集。日常巡检作为解决监测范围外疏漏的隐患部位安全状态的有效手段，通常注重建筑物外部裂缝、渗漏等可见参数的采集，与安全监测互补，共同为工程安全运行安全评价提供可靠的数据源。随着传感器技术和移动互联网的飞速发展，大坝工程布设的各种传感器采集了大量的多源异构结构化数据，与此同时日常安全巡检记录了大量文本类非结构化巡检数据，然而现有技术大多仅考虑到单一数据源的信息进行分析和建模，导致目前评价方法存在以下三个问题：（1）现有方法鲜有同时考虑多源监测数据和巡检数据，海量巡检数据在评价过程中没有被有效利用，评价信息不完整，降低了评价结果的可靠性；（2）目前针对大坝整体结构的评价方法大多针对某一特定工程，具有一定的局限性，缺少一种通用的安全评价体系和方法；（3）现有考虑异构数据源的融合方法大多基于需要大量人工干预的基于经验规则或统计的方法，无法提取有效的特征和模式，评价准确性低。

技术实现思路

1、本申请的目的在于，提供一种基于海量监测巡检信息融合模型的大坝安全评估方法，以解决现有大坝安全评价模型存在的评价准确性低以及评价指标中缺少巡检数据，导致评价不完整的技术问题。

2、本发明提供了一种基于海量监测巡检信息融合模型的大坝安全评估方法，包括：

3、获取大坝多个坝段的监测数据和巡检数据；

4、分别对所述监测数据和巡检数据进行特征提取，得到监测特征和巡检特征；

5、根据所述监测特征和所述巡检特征训练融合模型，获取所述融合模型输出的每个坝段的安全值；

6、根据每个坝段的安全值，确定所述大坝的安全值。

7、优选地，对所述监测数据进行特征提取，得到监测特征，具体包括：

8、获取每个坝段内每个监测指标对应的多个监测点的监测数据及待估真值；

9、根据所述多个监测点的监测数据确定对应监测指标在对应监测点的权值；

10、根据所述权值和所述待估真值，确定对应坝段上对应监测指标的监测特征。

11、优选地，所述待估真值根据所述监测点的历史监测数据确定。

12、优选地，对所述巡检数据进行特征提取，得到巡检特征，具体包括：

13、利用字符级双向长短期记忆网络对每个坝段内每个巡检指标对应的巡检数据进行特征提取，得到每个坝段内每个巡检指标对应的巡检特征。

14、优选地，根据所述监测特征和所述巡检特征训练融合模型，具体包括：

15、将所述监测特征和所述巡检特征进行拼接，得到拼接特征；

16、利用拼接特征训练融合模型，所述融合模型为双向长短期记忆网络模型。

17、优选地，根据每个坝段的安全值，确定所述大坝的安全值，具体包括：

18、获取每个安全值的基本概率分配值及每个基本概率分配值与其余基本概率分配值两两之间的冲突因子；

19、根据所述安全值、所述基本概率分配值和所述冲突因子，确定所述大坝的安全值。

20、优选地，所述冲突因子为基于巴氏距离的冲突因子。

21、优选地，在获取大坝多个坝段的监测数据和巡检数据之后，还包括：

22、确定时刻当前监测点的监测数据与其余监测点的监测数据两两之间的指数衰减支持度；

23、根据多个所述指数衰减支持度，确定是否需要剔除所述当前监测点的监测数据。

24、优选地，根据多个所述指数衰减支持度，确定是否需要剔除所述当前监测点的监测数据，具体包括：

25、根据多个所述指数衰减支持度，确定所述当前监测点的支持度一致性；

26、根据所述支持度一致性，确定是否需要剔除所述当前监测点的监测数据。

27、优选地，所述指数衰减支持度包括衰减因子；

28、确定衰减因子具体为：

29、根据对应监测点在时刻多次采集的监测数据确定自支持度；

30、根据对应两个监测点各自的自支持度确定所述衰减因子。

31、本发明的基于海量监测巡检信息融合模型的大坝安全评估方法，相较于现有技术，具有如下有益效果：

32、本发明提出了一种基于指数衰减支持度函数的多源监测数据预处理方法，改进的支持度函数不仅考虑了同一时刻不同监测数据的可信度，还考虑了同一监测点在整个观测区间内采集数据的可信度。提出的改进算法对原始监测数据进行预处理，能够有效提高后续多源异构数据融合的准确性。

33、现有技术只采用单一的数据源或数据融合方式，自动监测系统和人工巡检系统相互独立，不仅无法覆盖所有监测数据源，而且尚未考虑人工采集的海量巡检数据。本发明创造性的提出结合监测信息和巡检信息的多源融合模型生成方法，综合考虑了多种不同数据源的监测信息和巡检信息，获得更全面、准确的大坝结构安全评估模型，提高大坝安全评估的准确性和可靠性。

34、本发明利用先进的人工智能方法和数据融合技术对多源监测巡检信息进行处理和分析，这些技术可以挖掘数据之间的关键信息，提取有效的特征和模式，并生成准确的评价模型，从而实现了模型的自动生成和优化。相比传统的基于经验规则的方法，这种数据驱动的方法具有更高的准确性和泛化能力，提高了模型的智能化和自动化程度。

35、本发明具有实时监测和预警的能力，通过对大坝多源监测数据和巡检数据的实时分析和模型更新，可以及时发现异常情况并进行预警。这对于大坝的安全管理和事故预防非常重要，可以减少潜在的安全风险。

技术特征：

1.一种基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，包括：

2.根据权利要求1所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，对所述监测数据进行特征提取，得到监测特征，具体包括：

3.根据权利要求2所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，所述待估真值根据所述监测点的历史监测数据确定。

4.根据权利要求1所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，对所述巡检数据进行特征提取，得到巡检特征，具体包括：

5.根据权利要求1所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，根据所述监测特征和所述巡检特征训练融合模型，具体包括：

6.根据权利要求1所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，根据每个坝段的安全值，确定所述大坝的安全值，具体包括：

7.根据权利要求6所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，所述冲突因子为基于巴氏距离的冲突因子。

8.根据权利要求1所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，在获取大坝多个坝段的监测数据和巡检数据之后，还包括：

9.根据权利要求8所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，根据多个所述指数衰减支持度，确定是否需要剔除所述当前监测点的监测数据，具体包括：

10.根据权利要求8所述的基于海量监测巡检信息融合模型的大坝安全评估方法，其特征在于，所述指数衰减支持度包括衰减因子；

技术总结
本发明属于多源数据融合技术领域，具体公开了一种基于海量监测巡检信息融合模型的大坝安全评估方法，包括：获取大坝多个坝段的监测数据和巡检数据；分别对监测数据和巡检数据进行特征提取，得到监测特征和巡检特征；根据监测特征和巡检特征训练融合模型，获取融合模型输出的每个坝段的安全值；根据每个坝段的安全值，确定大坝的安全值。本发明的评估方法综合考虑了多种不同数据源的监测数据和巡检数据，从而能够更全面、准确的评估大坝的安全状态，提高了大坝安全评估的准确性和可靠性；通过对大坝多源监测数据和巡检数据的实时分析和模型更新，可及时发现异常情况并预警，对于大坝的安全管理和事故预防非常重要，可以减少潜在的安全风险。

技术研发人员：刘婷,王明疆,张群,高焕焕,陈树联,黄旭斌
受保护的技术使用者：中国电建集团西北勘测设计研究院有限公司
技术研发日：
技术公布日：2024/2/21