(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210638562.3 (22)申请日 2022.06.08 (71)申请人 南昌大学 地址 330000 江西省南昌市红谷滩新区学 府大道999号 (72)发明人 魏博文　万祥　袁冬阳　徐富刚　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 专利代理师 王焕巧 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 一种大坝原型观测数据的可靠性辨识与挖 掘方法 (57)摘要 本发明公开了一种大坝原型观测数据的可 靠性辨识与挖掘方法， 具体是将大坝位移监测数 据进行小波阈值降噪， 具体降噪过程是通过对比 不同小波分解层数、 小波基、 阈值选取准则、 阈值 函数的降噪效果， 得到最佳的适用于静水压力大 坝位移数据的小波变换阈值降噪组合方式， 再根 据大坝位移监测数据的序列特性选择最为合适 的AR时间序列模型作为预报模型， 其间也将AIC 准则定阶AR模型与BIC准则定阶AR模型预报效果 进行对比得到了现在具有最佳预报效果的小波 变换阈值BIC准则定阶AR组合预报模型， 有效解 决了由于 大坝监测数据含有大量白噪声， 预测模 型训练了过多错误信息产生过拟合问题， 使 得模 型的预测精度大 大提升。 权利要求书2页 说明书5页 附图6页 CN 115062379 A 2022.09.16 CN 115062379 A 1.一种大坝原型观测数据的可靠性 辨识与挖掘方法， 其特 征在于， 包括如下步骤： S1.小波阈值降噪确定小 波基与分解层数； S2.小波阈值降噪确定阈值 准则与阈值 函数； S3.确定时间序列AR预测模型； S4.建立小 波阈值降噪BIC准则定阶AR混凝 土坝变形组合预报模型。 2.根据权利要求1所述的大坝原型观测数据的可靠性辨识与挖掘方法， 其特征在于， 步 骤S1中小 波阈值降噪确定小 波基与分解层数的具体步骤如下： S11.评价小波基常用的指标有正交性、 紧支性、 对称性、 正则性、 高阶消失矩， 选取 daubechies(dbN)小波、 symlet(symN)小波和coiflet(coifN)小波这三种小波基函数， 其能 够提拱良好的时频分辨 率， 对大坝数据中含有的真实信号具有良好的分辨 性； S12.小波分解层数也能决定数据降噪效果好坏， 分解层数过少时， 就不能彻底的分解 信号， 信号中的噪声部分无法有效去除， 分解层数过多， 计算量大运算效率变低； 对于大坝 监测数据的降噪过程中， 根据其信号特性对数据信号进行2～5层分解来对比降噪效果优 劣。 3.根据权利要求2所述的大坝原型观测数据的可靠性辨识与挖掘方法， 其特征在于， 步 骤S2中小 波阈值降噪确定阈值 准则与阈值 函数的具体步骤如下： S21.阈值 准则有以下4种： 1)无偏风险估计准则(rigrsure)： 2)启发式 阈值准则(heursure) 3)极大极小阈值 准则(minimax) 4)固定阈值 准则(sgtw olog) 式中， n为信号经小 波分解得到的小 波系数个数， σ 为噪声信号的标准差； S22.阈值函数： 硬阈值权　利　要　求　书 1/2 页 2 CN 115062379 A 2软阈值 阈值函数选取 软、 硬阈值进行降噪效果对比。 4.根据权利要求3所述的大坝原型观测数据的可靠性辨识与挖掘方法， 其特征在于， 步 骤S3中确定时间序列AR预测模型的具体步骤如下： AR模型、 滑动平均(moving  average model,MA)模型都属于时间序列算法， AR模型首先 需要确定一个阶数p， 用前期的数据来预测当前值， AR(p)模型 可表示为： 而移动平均模型则注重的是自回归 模型中的误差项的累加， MA(q)模型 可表示为： AR模型与MA模型两者结合起来即自回归移动平均(auto ‑regressive  moving average  model,ARMA)模型， 可表示 为： 式中， yt是当前序列值， μ是常数项， p是AR模型阶数， q是MA模型阶数， γi是自相关系数， θi是偏相关系数， εt是误差； 如果大坝位移数据属于非平稳序列， 则需要对对其进行 d阶差分， 我们称为差分自回归 移动平均模型(ARIMA)， 至于模型如 何确定自相关系数拖尾、 偏相关系数截尾为AR模型， 自 相关系数截尾、 偏相关系数拖尾为MA模型， 自相关系数拖尾、 偏相关系数拖尾为ARMA模型。 5.根据权利要求4所述的大坝原型观测数据的可靠性辨识与挖掘方法， 其特征在于， 步 骤S4中建立小 波阈值降噪BIC准则定阶AR混凝 土坝变形组合预报模型的具体步骤如下： 根据大坝位移数据特性确定时间序列模型为AR模型后， 在进行模型定阶准则选择： 赤池信息量 准则， 公式如下： AIC＝‑2ln(L)+2k    (13) 贝叶斯信息量 准则， 公式如下： BIC＝‑2ln(L)+ln(n)*k    (14) 根据预测效果将定阶准则选取为贝叶斯信息量准则， 再根据前面的小波阈值建造效 果， 小波阈值降噪的最佳组合方式为3层分解， 小波基为db5， 阈值准则为无偏似然估计准 则， 阈值函数为硬阈值的情况下， 建立了小波阈值降噪BIC准则定阶AR混凝土变形 组合预报 模型。权　利　要　求　书 2/2 页 3 CN 115062379 A 3