一种大坝除险加固工作性态的综合评价与安全预测方法与流程

本发明涉及水利工程安全监测，具体涉及一种基于多源信息融合的大坝除险加固工作性态的综合评价与安全趋势预测方法、设备及存储介质。

背景技术：

1、大坝作为水利基础设施的核心组成部分，在防洪、灌溉、供水、发电等领域发挥着不可替代的战略作用，其中对于建成年代久远，受当时设计标准、施工工艺及长期服役环境影响的部分大坝，一般都会不可逆的出现结构老化、性能衰减等问题，严重威胁大坝安全服役及下游人民生命财产安全。

2、为此现有技术提出了针对性的大坝除险加固操作，大坝除险加固的核心目标是提升大坝安全服役能力，而准确评价除险加固后大坝的工作性态、科学预测其长期发展趋势，是验证加固效果、优化运维决策、保障大坝长期安全的关键环节。

3、现有大坝除险加固工作性态评价与趋势预测方法，多直接沿用大坝常态运行期的方法，存在明显局限性：

4、一方面，多源融合系统性不足。多源信息融合应用零散，未形成除险加固场景技术体系；数据融合适配性不足，除险加固前后坝体工况波动大，现有方法多为单一数据源，未兼顾监测数据的时空分布特性，缺少融合校验环节，同类数据融合精度偏低，异类信息决策融合存在不确定性，与除险加固工程场景适配性不足；

5、一方面，评价决策客观性与抗冲突能力薄弱。现有方法在指标赋权与信任分配等方面多依赖专家经验，主观性强；多采用单一评价理论，无法消解多指标评价分歧，缺少交叉印证机制，评价稳健性薄弱；

6、一方面，综合评价维度不全。多仅输出单一安全等级结果，常为静态模型，缺乏对大坝除险加固前后动态趋势的预测，无法反映大坝工作性态的发展趋势，难以支撑加固效果的系统性评判与运维决策。

7、此外，现有方法未充分整合先进的算法与理论，难以实现大坝工作性态的客观评价与科学预测，无法满足当前大规模大坝除险加固工程的实际需求。

8、为此，本技术特提出一种大坝除险加固工作性态的综合评价与安全预测方法，能够综合时空多源监测数据、结合融合技术与理论，客观评价大坝除险加固工作性态、科学预测其发展趋势，以解决上述技术问题。

技术实现思路

1、本发明的主要目的在于提供一种大坝除险加固工作性态的综合评价与安全预测方法，以解决背景技术中所提出的评价不准确、预测不科学、难以客观反映大坝除险加固效果的技术问题。

2、本发明采用以下技术方案解决上述技术问题：

3、一方面，本发明公开了一种大坝除险加固工作性态的综合评价与安全预测方法，包括：

4、步骤s1.通过大坝多节点传感器采集同一监测对象的水位、扬压力在内的监测数据，并通过数据预处理；

5、步骤s2.建立监测数据方程，运用改进分批估计算法对预处理后数据进行融合，并对融合后数据进行验证；

6、步骤s3.基于现有监测资料确定指定指标的对应度量值；

7、步骤s4.根据指标的对应度量值结合集对分析原理，计算各指标对评价等级的单指标联系数；

8、步骤s5.采用熵值法赋值原理结合集对分析原理和d-s证据理论对单指标联系数计算，得到各指标的加权基本概率赋值，并基于各指标所在预设层级，运用d-s证据理论的证据合成法则逐层递推融合，最终得到大坝工作性态多源信息融合评价结果，此处集对分析的目的在于消除主观化，通过将集对分析中的“同异反”思想与d-s证据理论融合，利用指标联系数客观确定基本概率赋值，能够克服传统专家经验赋值的主观缺陷；

9、步骤s6.采用熵值法赋值原理结合集对分析原理对单指标联系数计算，得到合成指标联系数，并结合集对分析中的偏联系数，用于计算偏正联系数、偏负联系数和全偏联系数，最终通过全偏联系数得到最终安全趋势预测结果；

10、步骤s7.最终安全趋势预测结果与工作性态多源信息融合评价结果组合得到最终评价，此时以集对分析得到的安全等级判定结果与安全趋势预测结果作为主体评价结论，以d-s证据理论得到的多源信息融合信任度分布与全局不确定度作为评价结果的可靠性补充说明和校验依据；两类结果相互印证，共同表征大坝除险加固后的工作性态水平与发展态势。

11、优选的，所述步骤s1中数据预处理计算过程中针对大坝监测数据中的粗大误差与异常值，采用模糊集理论中的容许函数阈值法进行剔除，具体剔除流程包括：

12、定义传感器测量数据论域，计算其中任意两个数据与的数据偏差距离为：其中为原始数据算术均值；和为传感器测量数据点的序号，取值为；其中

q为原始测量数据的总个数；

13、构建容许函数为：；

14、式中，取值越接近1表明数据一致性越好；

15、定义阈值判定函数为：；

16、式中ε为容许函数阈值，当时，判定两数据点一致性不满足要求，将偏离原始均值更远的数据点判定为显著异常并予以剔除，最终得到一致性有效数据序列，其中，

g为剔除异常之后的有效数据个数。

17、优选的，所述步骤s2中运用改进分批估计算法对预处理后数据进行融合的具体操作流程包括：

18、根据大坝监测区域特性，将传感器按布设位置分为组，确保每组数据具有空间相关性；

19、对每组有效数据按时间序列分为批，每批包含个数据点，第组第批数据为；其中，

s为传感器分组序号，

l为批次序号（取值为1,2，…，

t），为第

s组单批次包含的数据点数量；

20、计算数据均值为：；

21、计算方差为：；

22、式中为异常因子，用于对批次内极值数据进行降权处理，削弱极值对均值估计的干扰；为单批次内数据点的序号；为第

s组第

l批数据的方差.

23、基于各批次数据的方差大小分配动态权值，则第组第批数据的权值为：，其中；

24、计算第组数据的融合结果为：；

25、最终大坝监测数据的全局融合结果为：，其中，为第s组融合结果的方差，为分组求和的索引序号；

26、融合完成后执行逐级校验，依据各监测指标的预设容许阈值，对批次融合结果、分组融合结果及全局融合结果依次开展合理性校验，若融合结果超出对应安全容许区间或融合方差超过预设限值，则判定该级融合结果无效，返回数据预处理环节重新剔除异常数据后再次执行融合，校验通过后输出有效融合结果。

27、优选的，所述步骤s3中指定指标的对应度量值确定流程包括：

28、将大坝评价指标和评价等级的区间有序地分割成5级,评价等级集合记为，依次对应大坝正常、基本正常、轻度异常、重度异常、恶性失常状态，各等级对应的指标取值区间依次为[0.8,1]、[0.6,0.8）、[0.4,0.6）、[0.2,0.4）、[0,0.2）。

29、优选的，所述步骤s5中加权基本概率赋值的获取流程包括：

30、由熵值法确定底层信息权重以及初始基本概率赋值，计算加权基本概率赋值为：

31、

32、表示第个评价指标对第个安全等级的加权基本概率赋值，加权后剩余的信任度分配给识别框架全集，以保证基本概率赋值的归一性；

33、其中，底层信息的初始基本概率赋值由步骤s4得到的单指标集对联系数转化生成，将同一度、各级差异度、对立度依次对应分配至5个安全等级，作为各底层评价指标对各安全等级的初始信任分配；再结合熵值法确定的底层指标权重进行修正，得到加权基本概率赋值；

34、基于各指标预设层级，由d-s证据理论的证据合成法则逐层递推确定上一层信息的基本概率赋值，把最底层记为第一层，其基本概率赋值为，第二层信息基本概率赋值为，……，则第层信息的基本概率赋值为，则有：

35、

36、其中，表示直和，下标1,2,3为同层级内不同证据源的序号。

37、优选的，在步骤s5中，此时首先通过熵值法计算各评价指标的信息熵，依据指标数据的离散程度与有效信息贡献度确定客观权重（信息熵越小，指标携带的信息量越丰富、对大坝工作性态的区分能力越强，对应赋予更高的权重系数）；再将该客观权重映射到集对分析得到的单指标同异反联系数上，对各单指标对应的d-s证据基本概率分配函数进行加权修正，使各证据源的信任分配程度与指标的实际重要性相匹配，最终形成加权基本概率赋值，最终经加权修正后的基本概率赋值参与d-s证据合成，一是以熵值法的客观赋权替代人工经验赋权，消除主观赋值的随机性，提升评价结果的客观性与可信度；二是强化高关联度、高信息量指标在决策融合中的主导作用，削弱冗余、低关联指标的干扰，同时缓解多源证据间的冲突程度，降低冲突证据导致的融合失真风险；三是实现集对分析联系数与d-s证据理论的深度衔接，使大坝工作性态多源信息融合评价结果更客观、稳定，更贴合大坝除险加固后的真实工作状态。

38、优选的，所述步骤s5中底层信息权重集的获取流程中概率获取流程包括：

39、第一步：对于个样本，项评价指标构建原始数据矩阵为：

40、

41、其中，为第m个样本的第n个评价指标的实测值；

42、第二步：将各指标数据归一化处理得到矩阵为：

43、

44、其中，、分别为同一评价指标对应的最优状态界限值和最劣状态界限值，根据评价指标的安全属性差异确定对应取值，确保归一化结果与大坝安全程度正相关；

45、第三步：计算第n个评价指标的熵为：

46、

47、其中，，表示第

n个评价指标下第

m个样本的指标比重值；

r为熵归一化常数，，作用是将信息熵取值约束在[0,1]区间内，

48、且当=0时，没有意义，对的计算修正为；

49、第四步：计算各评价指标的权重为：

50、

51、其中，为第

n个评价指标的权重。

52、7.如权利要求6所述的大坝除险加固工作性态的综合评价与安全预测方法，其特征在于，所述步骤s6中获取指标合成联系数的具体公式包括：

53、

54、其中，

a、b、c、d、e分别为大坝工作性态评价指标对应的同一度、一级差异度、二级差异度、三级差异度、对立度；分别为一级、二级、三级差异度系数，

j为对立度系数，同一度对应大坝安全正常状态，对立度对应大坝风险失常状态，三级差异度依次对应二者之间的过渡状态。

55、安全等级映射：将合成联系数代入工程定值的同一度、差异度、对立度系数计算综合联系度，归一化至 [0,1] 区间后与预设五级评价区间匹配，即可确定大坝所处的安全等级。

56、优选的，所述步骤s6中各指标的权重采用与步骤s5底层信息权重集相同的获取方法。

57、优选的，所述步骤s6中结合集对分析中的偏联系数计算偏正联系数、偏负联系数和全偏联系数的具体计算公式包括：

58、（1）偏正联系数为：

59、

60、；；；

61、其中，、、、依次为同部、一级异部、二级异部、三级异部的一阶偏正分量，表征各评价分量向安全同一状态演化的趋势强度；

62、（2）偏负联系数为：

63、

64、；；；

65、其中，、、、依次为同部、一级异部、二级异部、三级异部的一阶偏负分量，表征各评价分量向风险对立状态演化的趋势强度；

66、（3）全偏联系数为：

67、

68、其中，为一阶全偏联系数，其正负对应大坝工作性态的整体演化方向：取值为正表明工作性态整体向好发展，取值为负表明工作性态整体向劣发展，绝对值大小对应趋势演化的显著程度。

69、优选的，对于全偏联系数，当时，表明趋势预测对象处于非负非正的临界趋势，需要求出更高阶偏导；

70、当时，表明趋势预测对象朝负向发展，存在恶化的风险，需及时采取有效措施来扭转这一趋势；

71、当时，表明趋势预测对象朝正向发展，大坝工作性态持续向好、安全冗余稳步提升，除险加固成效稳定显现，可维持现有安全运维管控策略并持续开展常态化跟踪监测。

72、趋势判定映射：依据一阶全偏联系数的正负判定演化趋势，取值为正表明大坝工作性态向好发展，取值为负表明存在劣化风险，取值为 0 时需计算更高阶偏联系数以明确深层趋势。

73、另一方面，本发明还公开了一种综合评价与安全预测系统，用于执行上述大坝除险加固工作性态的综合评价与安全预测方法，系统包括：

74、传感器网络，通过大坝上多节点交叉的多组传感器相互数据连接组成，且为防止节点失效及外界干扰，经常采用两个或更多的传感器对某个点进行监测，以增强节点间的相互印证和整个网络系统的鲁棒性，且一般同一类型的监测点多采用等精度的传感器，监测参数和噪声可认为是正态分布的；

75、大坝安全信息系统，用于基于传感器网络数据执行大坝多源安全信息的融合操作。

76、优选的，所述大坝安全信息系统，包括信息获取单元、信息融合单元及信息存储单元，其中信息获取单元主要包括大坝原型监测信息、模型信息和专家知识；模型信息子单元是指通过不同的融合准则对大坝信息进行提取；专家知识子单元主要是对专家知识、相关理论和经验等进行融合。

77、优选的，所述大坝安全信息系统还按照系统中数据抽象的层次，信息融合单元可以划分为三个层次：数据层融合、特征层融合及决策层融合，其中：

78、数据层融合，是直接对大坝原始监测数据进行的分析处理，主要包括实时判断并处理上传时出现的非法、错误或不合理数据，以及监测数据的粗差初步识别等，尽可能多的保持监测的原始信息，能够提供细微信息，其处理数据量大；

79、特征层融合，用于对同类型测点借助特征值分析、相关性分析等方法进行的融合分析，一般先对单测点数据进行特征值统计和建模分析（如统计模型、卡尔曼滤波法、支持向量机、人工神经网络法等），并融合同类测点信息，构建空间模型，从时空角度量化大坝的工作性态；

80、决策层融合，用于依据对不同监测类型数据的特征融合结果，应用模糊评判、模式识别、d-s证据理论等方法，综合推求所有监测信息对大坝综合性态决策的支持程度，将定性分析和定量分析结合起来，实现大坝信息的集成互补。

81、优选的，在传感器网络中在对同一对象进行监测的传感器中，每个传感器在某一时刻都得到一组一致性监测数据，进行改进分批估计，以此可以得出更接近实际值的融合结果，进而消除监测过程中大坝系统的多元性、节点失效等引起的不确定性。

82、又一方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。

83、再一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。

84、由上述技术方案可知，本发明提供了一种大坝除险加固工作性态的综合评价与安全预测方法。与现有技术相比，本发明具有以下优势：

85、1.本发明通过引入多源监测数据分层融合、改进分批估计自适应赋权、集对分析同异反与 d-s 证据理论融合客观赋值方法、偏联系数动态趋势预测多项核心技术，能够攻克现有大坝除险加固性态评价领域包括单测点建模评价存在片面性、多源监测信息融合精度不足、证据基本概率赋值主观性较强、加固治理效果缺少量化评判依据、大坝安全趋势预判手段科学性不足在内的多种技术瓶颈。

86、2.本发明通过构建形成包含异常数据智能剔除、同类监测信息高精度融合、多指标客观决策融合、加固前后性态定量比对、工作性态动态趋势推演在内的全链条技术体系，能够有效打破单测点独立评价模式的固有局限，规避传统依靠专家经验赋权带来的主观偏差。

87、3.本发明能够推动大坝除险加固后工作性态评价实现本质跨越，由传统静态综合评价升级为动态安全预测，便于客观量化大坝除险加固完成后的安全服役能力提升幅度，提前辨识工程潜在安全风险。

88、4.本发明无需增设复杂监测硬件设备，可直接基于大坝现有原型监测系统开展应用，高度适配国内大规模病险水库除险加固重大工程需求。

89、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。