周元春，甘孝清，李端有

（長(zhǎng)江科學(xué)院工程安全與災(zāi)害防治研究所，武漢 430010）

大壩安全監(jiān)測(cè)數(shù)據(jù)粗差識(shí)別技術(shù)研究

周元春，甘孝清，李端有

（長(zhǎng)江科學(xué)院工程安全與災(zāi)害防治研究所，武漢 430010）

介紹了目前大壩安全監(jiān)測(cè)數(shù)據(jù)處理工作中幾種常用粗差識(shí)別技術(shù)的優(yōu)缺點(diǎn)及適用范圍，并針對(duì)這些常規(guī)方法中所存在的不足，采用時(shí)空判別技術(shù)和基于穩(wěn)健性處理方法的粗差識(shí)別技術(shù)，對(duì)粗差數(shù)據(jù)進(jìn)行判別。其中時(shí)空判別技術(shù)充分利用了觀測(cè)序列本身的時(shí)空基本信息，將觀測(cè)值與歷史的或相鄰的觀測(cè)數(shù)據(jù)相比較來判別粗差；基于穩(wěn)健估計(jì)算法的監(jiān)控模型判別法克服了經(jīng)典的最小二乘法所存在的抗粗差干擾性差這一缺點(diǎn)，在最小二乘回歸的基礎(chǔ)上逐步按殘差大小加穩(wěn)健化權(quán)，迭代求得模型參數(shù)的穩(wěn)健估計(jì)，這一估計(jì)值最接近于無粗差影響時(shí)的正常估值。隔河巖大壩安全監(jiān)測(cè)數(shù)據(jù)的實(shí)例分析表明，這些方法具有較強(qiáng)的粗差識(shí)別能力。

監(jiān)測(cè)數(shù)據(jù)；粗差識(shí)別；時(shí)空判別法；穩(wěn)健估計(jì)

1 概 述

在大壩安全監(jiān)測(cè)過程中，無論采用多么完善的觀測(cè)方法和多么精確的觀測(cè)設(shè)備，都不可避免地產(chǎn)生觀測(cè)誤差，從誤差出現(xiàn)的規(guī)律上來看，觀測(cè)誤差可分為系統(tǒng)誤差、隨機(jī)誤差和粗差3大類。其中，粗差是由于某種過失引起的明顯與事實(shí)不符的誤差，亦稱為過失誤差，它主要是由于操作不當(dāng)，讀數(shù)、記錄和計(jì)算錯(cuò)誤，檢測(cè)系統(tǒng)的突然故障等疏忽因素而造成的誤差。粗差其實(shí)是一種錯(cuò)誤數(shù)據(jù)，往往在數(shù)值上表現(xiàn)出很大的異常，與合理值明顯相悖。這種數(shù)據(jù)是不可信的，它能嚴(yán)重影響數(shù)據(jù)處理的結(jié)果，并干擾對(duì)建筑物安全評(píng)價(jià)和監(jiān)控的結(jié)果。因此，有效地識(shí)別粗差，不僅是數(shù)據(jù)分析處理的基礎(chǔ)，而且對(duì)建筑物有效地實(shí)施安全監(jiān)控都有重要的意義。

本文將介紹目前在大壩安全監(jiān)測(cè)數(shù)據(jù)處理工作中主要所采用的幾種粗差識(shí)別技術(shù)，如邏輯判別法、統(tǒng)計(jì)判別法、基于最小二乘法的監(jiān)控模型判別法等，然后針對(duì)這些方法中所存在的不足，采用時(shí)空判別技術(shù)，和基于穩(wěn)健性處理方法的粗差識(shí)別技術(shù)，對(duì)大壩安全監(jiān)測(cè)數(shù)據(jù)中的粗差進(jìn)行識(shí)別，以更好地提高監(jiān)測(cè)數(shù)據(jù)的可靠性。

2 粗差的一般識(shí)別技術(shù)

2.1 邏輯判別法

監(jiān)測(cè)儀器一般都有一個(gè)明確的量測(cè)范圍，因此，任何測(cè)值的量值都必須在其量測(cè)范圍內(nèi)。如果測(cè)值超出儀器的量測(cè)范圍，則測(cè)值必存在粗差。另外，有些儀器雖無明確的量測(cè)范圍限制，但被監(jiān)測(cè)物理量的測(cè)值一般應(yīng)有一個(gè)邏輯合理范圍。當(dāng)觀測(cè)值超出其邏輯合理范圍時(shí)，亦認(rèn)為測(cè)值含有粗差。一般說來，當(dāng)測(cè)值中含有較為明顯的大的誤差時(shí)，用邏輯判別法可以作出識(shí)別。

2.2 統(tǒng)計(jì)判別法

根據(jù)彈性力學(xué)理論，當(dāng)建筑物在相同溫度場(chǎng)、相同水位荷載作用下，如果其結(jié)構(gòu)條件、材料性質(zhì)及地基性質(zhì)不變，則其變形量應(yīng)相同。統(tǒng)計(jì)判別法就是根據(jù)這一理論，將相同工況下的測(cè)值作為樣本數(shù)據(jù)，采用統(tǒng)計(jì)方法計(jì)算觀測(cè)數(shù)據(jù)系列的統(tǒng)計(jì)特征值，根據(jù)一定的準(zhǔn)則找出其中的異常值。

統(tǒng)計(jì)判別法使用的準(zhǔn)則有：萊以特準(zhǔn)則、羅曼諾夫斯基準(zhǔn)則、格羅布斯準(zhǔn)則、狄克松準(zhǔn)則等［1］。這幾種判別準(zhǔn)則的適用條件為：萊以特準(zhǔn)則是以觀測(cè)次數(shù)充分大為前提的，因此這種判別準(zhǔn)則可靠性不高，但它使用簡(jiǎn)便，故在要求不高時(shí)經(jīng)常應(yīng)用；對(duì)觀測(cè)次數(shù)較少而要求較高的觀測(cè)列，應(yīng)采用羅曼諾夫斯基準(zhǔn)則、格羅布斯準(zhǔn)則或狄克松準(zhǔn)則，其中格羅布斯準(zhǔn)則的可靠性較高，其觀測(cè)次數(shù)也需在20～100之間時(shí)，才能有較好的判別效果；當(dāng)觀測(cè)次數(shù)較少時(shí)，可采用羅曼諾夫斯基準(zhǔn)則；若需要從觀測(cè)列中迅速判別含有粗大誤差的觀測(cè)值，則可采用狄克松準(zhǔn)則。然而，在大壩安全監(jiān)測(cè)工作中，大壩處在相同外部荷載或近乎相同外部荷載下工作的情況不多，因此無法為統(tǒng)計(jì)判別法提供足夠的數(shù)據(jù)樣本。雖然觀測(cè)次數(shù)較少時(shí)可采用羅曼諾夫斯基準(zhǔn)則，但少量的數(shù)據(jù)樣本本身的正確性也無法認(rèn)定，這為統(tǒng)計(jì)判別法的使用帶來了一定的限制。

2.3 基于最小二乘法的監(jiān)控模型判別法

大壩等水工建筑物經(jīng)多年變形監(jiān)測(cè)后，可得到一系列監(jiān)測(cè)量的測(cè)值，據(jù)此，可建立相應(yīng)的監(jiān)控?cái)?shù)學(xué)模型。常用的數(shù)學(xué)模型有統(tǒng)計(jì)模型、確定性模型和混合模型，目前，以統(tǒng)計(jì)模型使用最為普遍。建立統(tǒng)計(jì)模型所常用的統(tǒng)計(jì)回歸法，其原理是經(jīng)典的最小二乘法，當(dāng)監(jiān)測(cè)數(shù)據(jù)誤差服從正態(tài)分布，最小二乘估計(jì)值具有方差最小且無偏的統(tǒng)計(jì)特性。

設(shè)被監(jiān)測(cè)量的監(jiān)控模型為

式中：＾y為監(jiān)測(cè)量的模量估計(jì)值；H為庫水位因子；T為溫度因子；t為時(shí)效因子。

設(shè)該模型的剩余標(biāo)準(zhǔn)差為S，當(dāng)觀測(cè)值yi＇與回歸值yi之差大于KS時(shí)，則認(rèn)為測(cè)值異常。即：

式中：K為系數(shù)，它與置信水平α及樣本數(shù)m有關(guān)。

然而，在大壩安全監(jiān)測(cè)領(lǐng)域，監(jiān)測(cè)數(shù)據(jù)誤差不一定嚴(yán)格服從正態(tài)分布，至少從儀器量程上就決定了其誤差是一種有界分布，特別是當(dāng)數(shù)據(jù)中含有粗差時(shí)，監(jiān)測(cè)數(shù)據(jù)誤差與正態(tài)分布的假定相差更大，這樣所建立的模型將會(huì)偏離實(shí)際情況，那么將其用于粗差識(shí)別也是不可靠的。

3 時(shí)空判別法

大壩安全監(jiān)測(cè)向人們提供的最基本信息就是觀測(cè)物理量的時(shí)空序列，采用時(shí)空評(píng)判檢驗(yàn)法，可將觀測(cè)物理量與歷史的或相鄰的觀測(cè)數(shù)據(jù)相比較，找出離群值或異常值，然后結(jié)合數(shù)據(jù)觀測(cè)時(shí)的外部因素，對(duì)所測(cè)數(shù)據(jù)的物理成因進(jìn)行分析，并與相鄰測(cè)點(diǎn)觀測(cè)值進(jìn)行對(duì)比分析，判識(shí)是否合理，是否為粗差。這一判別方法對(duì)某些環(huán)境量觀測(cè)值，或在大壩首次蓄水期間效應(yīng)量監(jiān)控?cái)?shù)學(xué)模型尚未建立時(shí)，具有實(shí)際應(yīng)用價(jià)值。觀測(cè)數(shù)據(jù)系列中異常點(diǎn)的識(shí)別方法如下。

3.1 基于平滑估計(jì)的粗差識(shí)別方法［1］

這一檢測(cè)異點(diǎn)的基本想法是認(rèn)為正常數(shù)據(jù)是“平滑”的，而異點(diǎn)是“突變”的，如果首先作觀測(cè)數(shù)據(jù)的平滑估計(jì)，那么設(shè)定系數(shù)k表示正常數(shù)據(jù)偏離平滑估計(jì)范圍，此時(shí)若觀測(cè)數(shù)據(jù)中有的數(shù)值超出此范圍，則判斷該數(shù)是異點(diǎn)。此法的關(guān)鍵在于產(chǎn)生平滑估計(jì)和選取k。平滑估計(jì)可采用“中位數(shù)”方法。

首先從原始數(shù)據(jù)｛yi｝（i＝1，2，…，N＋1）構(gòu)造一個(gè)新序列｛yi′｝。取yi中前5個(gè)數(shù)y1，y2，y3，y4，y5，按數(shù)值大小重新排列為y（1）≤y（2）≤y（3）≤y（4）≤y（5），取其中位數(shù)y（3），記作y3′，然后舍去y1加入y6，取y2，y3，y4，y5，y6的中位數(shù)y4′。依此類推得到第5個(gè)中位數(shù)，最后組成相鄰5個(gè)原始數(shù)據(jù)的中位數(shù)序列

再用相似的方法從序列｛yi′｝構(gòu)成相鄰3個(gè)數(shù)據(jù)的中位數(shù)序列

最后構(gòu)成序列

k根據(jù)實(shí)際情況而定。

3.2 基于跳動(dòng)特征的粗差識(shí)別方法

在觀測(cè)物理量的過程線上檢索異常值，假設(shè)觀測(cè)物理量隨時(shí)間緩慢變化，對(duì)應(yīng)于觀測(cè)時(shí)間序列t1，…，tj，…，tn的測(cè)值y1，…，yj，…，yn，第j次測(cè)量的跳動(dòng)特征為

當(dāng)yj為正常測(cè)值時(shí)，它只包含觀測(cè)物理量時(shí)間效應(yīng)的線性偏差及隨機(jī)誤差。測(cè)次n足夠大后，dj的平均值就趨于某一穩(wěn)定值

跳動(dòng)標(biāo)準(zhǔn)差為

異常值yj的必要條件為

一般取k＝2或3。

4 基于穩(wěn)健估計(jì)算法的監(jiān)控模型判別法

大壩在運(yùn)行過程中，壩體的變形、應(yīng)力應(yīng)變等效應(yīng)量觀測(cè)值在環(huán)境量驟變時(shí)也會(huì)隨之發(fā)生突變，此時(shí)若采用時(shí)空判別法來認(rèn)定這些突變值為粗差是不合理的，這時(shí)可通過建立監(jiān)控模型來進(jìn)行粗差識(shí)別?；诮y(tǒng)計(jì)監(jiān)控模型的粗差判別方法中，當(dāng)測(cè)量數(shù)據(jù)服從正態(tài)分布情況時(shí)，最小二乘估計(jì)具有最優(yōu)統(tǒng)計(jì)性質(zhì)，但最小二乘法不具備抗御粗差的能力，對(duì)含粗差的觀測(cè)量相當(dāng)敏感，個(gè)別粗差就會(huì)對(duì)參數(shù)的估值產(chǎn)生較大的影響。而在大壩安全監(jiān)測(cè)領(lǐng)域的數(shù)據(jù)，其誤差是不一定嚴(yán)格服從正態(tài)分布的。穩(wěn)健估計(jì)（Robust Estimation），正是針對(duì)最小二乘法抗粗差的干擾差這一缺陷提出的，其目的在于構(gòu)造某種估計(jì)方法，使其對(duì)于粗差具有較強(qiáng)的抵抗能力［2］。

穩(wěn)健性就是指在統(tǒng)計(jì)分析中，據(jù)以作統(tǒng)計(jì)推斷的數(shù)據(jù)總不免要作理想假定，如獨(dú)立性、概率分布模型、無外部干擾（如無粗差、系統(tǒng)誤差等），若實(shí)際上原假定條件稍微偏離或有不大的差異時(shí)，所采用統(tǒng)計(jì)方法的統(tǒng)計(jì)推斷結(jié)果也只有相應(yīng)的較小改變，仍基本上具備原有的良好統(tǒng)計(jì)特性而不致于失效。對(duì)參數(shù)估計(jì)而言，若借以計(jì)算估計(jì)量的數(shù)據(jù)受少量粗差或系統(tǒng)性變化的許多小誤差的污染，稍偏離原假定的概率分布模型，僅使該估計(jì)量有相應(yīng)的小偏差，且不致隨污染誤差增大而背離真實(shí)值，稱為穩(wěn)健估計(jì)。

在粗差不可避免的情況下，采用穩(wěn)健估計(jì)，可充分利用觀測(cè)數(shù)據(jù)（或樣本）中的有效信息，限制利用可用信息，排除有害信息，使參數(shù)的估值盡可能避免粗差的影響，得到正常模式下的最佳估值。

穩(wěn)健估計(jì)基本可以分為3大類型，即：極大似然估計(jì)即M估計(jì)、基于順序統(tǒng)計(jì)量線性組合的L估計(jì)、基于秩檢驗(yàn)導(dǎo)出線性組合的R估計(jì)，其中以M估計(jì)使用較多?；贛估計(jì)的穩(wěn)健回歸分析建模方法如下。

設(shè)被監(jiān)測(cè)量的監(jiān)控模型為

寫成矩陣形式為

式中：y＝（y1，y2，…，yn）T，β＝（β0，β1，…，βn）T，e＝（e1，e2，…，en）T，x＝xij。最小二乘估計(jì)為

對(duì)回歸參數(shù)β的穩(wěn)健M估計(jì)是使以下準(zhǔn)則函數(shù)最小化，即

也即回歸參數(shù)β滿足M估計(jì)方程

式中：ρ為準(zhǔn)則函數(shù)；Ψ（v）＝ρ′（v），vi＝y(tǒng)i－為殘差ei的M估計(jì)，其標(biāo)準(zhǔn)差為

可見M估計(jì)的特性取決于ρ（v）或Ψ（v）的函數(shù)形式及其參數(shù)的選定?，F(xiàn)有M估計(jì)的種類很多，常用的M估計(jì)有Huber估計(jì)、Andrews估計(jì)、Hampel估計(jì)及IGG法。

穩(wěn)健回歸的算法可采用加權(quán)迭代法，加權(quán)迭代法是從給定盡量接近穩(wěn)健估計(jì)的初值開始，在最小二乘回歸的基礎(chǔ)上，逐步按殘差大小加穩(wěn)健化權(quán)，迭代求得β和sv的穩(wěn)健估計(jì)。其中，權(quán)函數(shù)w與M估計(jì)的ρ（v）或Ψ（v）有關(guān)，且每一步的權(quán)函數(shù)值是隨殘差值而改變的，其具體算法和步驟如下：

（1）采用逐步回歸法求得式（10）的最小二乘估計(jì)＾β和sv，將其作為初值；

（2）按所得殘差｛vi｝計(jì)算標(biāo)準(zhǔn)化殘差ui＝vi／sv，并按M估計(jì)的有關(guān)方法（如Huber、IGG法等），求得穩(wěn)健權(quán)w（ui）；

（3）對(duì)數(shù)據(jù)｛yi｝加權(quán)，剔除權(quán)為零的觀測(cè)值。然后返回（1）。如此反復(fù)計(jì)算至滿足停算條件：

其中εj按精度要求選定。

5 實(shí)例分析

5.1 基于平滑估計(jì)的粗差識(shí)別實(shí)例分析

取清江隔河巖大壩1997年1月1日至1998年12月31日的730組氣溫觀測(cè)值作為樣本數(shù)據(jù)進(jìn)行粗差檢驗(yàn)，所取樣本的時(shí)間間隔是等距的，并在其中的5組觀測(cè)值中加了5℃的粗差（如表1中加數(shù)據(jù)），以對(duì)成果進(jìn)行驗(yàn)證。通過對(duì)平滑估計(jì)結(jié)果的統(tǒng)計(jì)分析，發(fā)現(xiàn)平滑估計(jì)值與實(shí)測(cè)值之差，即殘差的絕對(duì)值小于1℃的觀測(cè)值占71.7%，在1～2℃之間的占19.5%，2～3℃之間的占4.8%，3～3.5℃之間的占1.5%，大于3.5的占2.3%，即：有97.7%的觀測(cè)值與估計(jì)值的殘差在3.5℃以內(nèi)，說明殘差小于3.5℃的觀測(cè)值的置信水平為97.7%，在這一范圍內(nèi)的數(shù)據(jù)是可靠的。

表1所列為平滑估計(jì)值與實(shí)測(cè)值的殘差大于3.5℃時(shí)的樣本數(shù)據(jù)，其中，除了原始實(shí)測(cè)數(shù)據(jù)中的幾個(gè)異常測(cè)值被檢驗(yàn)出來外，5個(gè)人為加入5℃粗差的觀測(cè)數(shù)據(jù)均一一被檢驗(yàn)了出來，表明基于平滑估計(jì)的粗差識(shí)別方法有較好的粗差鑒別能力。

表1 基于平滑估計(jì)的粗差識(shí)別分析成果Table1 Analysis results of identifying gross errors based on smoothing estimation

5.2 基于跳動(dòng)特征的粗差識(shí)別實(shí)例分析

取清江隔河巖大壩1998年1月4日至2004年6月22日的51組滲壓觀測(cè)值作為樣本數(shù)據(jù)進(jìn)行粗差檢驗(yàn)，觀測(cè)點(diǎn)位于15＃壩段上游高程122 m處，測(cè)點(diǎn)編號(hào)為P22－5。采用了2組方案，第一組方案是對(duì)原始數(shù)據(jù)進(jìn)行粗差檢驗(yàn)，第二組方案是在1999年3月17日的觀測(cè)值中人為加入了0.015 MPa的粗差（如表2中加數(shù)據(jù)）。分析結(jié)果如表2所示。

從表2中可以看出，在未人為加入粗差的第1組方案中，2002年3月26日與2002年4月3日的兩組滲壓觀測(cè)值，其跳動(dòng)特征dj與跳動(dòng)均值的差，即yj均大于2σ，被檢驗(yàn)出為異常值，這兩組異常值同樣在第2組方案中被檢驗(yàn)出。此外，人為加入0.015 MPa粗差的觀測(cè)值也在第2組方案中被檢驗(yàn)出，表明基于跳動(dòng)特征的粗差識(shí)別方法有較好的粗差鑒別能力。

對(duì)2002年3月26日與2002年4月3日這2個(gè)觀測(cè)日期前期的上下游水位變化情況，以及降雨等進(jìn)行分析，發(fā)現(xiàn)這期間的上下游水位、降雨等均無較大變化。對(duì)比鄰近觀測(cè)點(diǎn)P22－4，P22－6，P22－7，在這期間的觀測(cè)值變化也較平穩(wěn)，因此可認(rèn)為P22－5觀測(cè)點(diǎn)在2002年3月26日與2002年4月3日的2個(gè)觀測(cè)值存在粗差。

表2 基于跳動(dòng)特征的粗差識(shí)別分析成果Table2 Analysis results of identifying gross errors based on bouncing features

表3 兩種模型的回歸分析成果Table3 Regression analysis results of two models

表4 兩種模型的粗差檢驗(yàn)結(jié)果Table4 Inspection results of gross errors for two models

5.3 基于穩(wěn)健估計(jì)算法的粗差識(shí)別實(shí)例分析

對(duì)清江隔河巖大壩15＃壩段高程203.5 m處的垂線測(cè)點(diǎn)PL15801的縱向水平位移觀測(cè)資料進(jìn)行回歸分析，所取數(shù)據(jù)為1997年3月至2006年12月的共153組測(cè)值。自變量分別選取水位、氣溫、時(shí)效的組合形式，共計(jì)12個(gè)因子，分別為：壩前水深的一次、二次、三次方，氣溫當(dāng)天測(cè)值，氣溫前10，20，30，60，90，120 d的平均值，距基準(zhǔn)日期的觀測(cè)天數(shù)，觀測(cè)天數(shù)的對(duì)數(shù)。建模共采用了2組方案：方案1是采用逐步回歸方法建模，方案2是采用穩(wěn)健回歸方法建模。回歸分析成果如表3所示。從表3中可以看出，采用穩(wěn)健回歸方法的模型質(zhì)量要明顯優(yōu)于傳統(tǒng)的逐步回歸分析方法。

將2種模型所得的殘差｛vi｝進(jìn)行分析，采用3S準(zhǔn)則，認(rèn)為殘差的絕對(duì)值大于3S時(shí)，測(cè)值異常。對(duì)測(cè)值的粗差分析檢驗(yàn)結(jié)果如表4所示。

從表4中可以看出，利用穩(wěn)健回歸模型共可檢驗(yàn)出含粗差測(cè)值10組，而逐步回歸模型只檢驗(yàn)出2組（帶者為未查出點(diǎn)）。在穩(wěn)健回歸模型檢驗(yàn)出的10組粗差測(cè)值中，2001年12月10日、2002年1月8日、2002年7月10日的觀測(cè)值通過統(tǒng)計(jì)判別法已驗(yàn)證其存在粗差。將兩種模型的檢驗(yàn)結(jié)果與之相比較，可以看出2001年12月10日的粗差兩種回歸模型均可以檢出，2002年1月8日、2002年7月10日的粗差逐步回歸模型未能檢驗(yàn)出，而穩(wěn)健回歸模型可以檢驗(yàn)出來，說明穩(wěn)健回歸模型具備有比逐步回歸模型更好的粗差檢驗(yàn)?zāi)芰Α?/p>

6 結(jié) 語

針對(duì)目前大壩安全監(jiān)測(cè)數(shù)據(jù)處理工作中的幾種主要粗差識(shí)別技術(shù)的不足，采用了時(shí)空判別技術(shù)以及基于穩(wěn)健估計(jì)算法的監(jiān)控模型法，對(duì)粗差數(shù)據(jù)進(jìn)行判別。其中時(shí)空判別技術(shù)充分利用了觀測(cè)序列本身的時(shí)空基本信息，將觀測(cè)值與歷史的或相鄰的觀測(cè)數(shù)據(jù)相比較來判識(shí)粗差；基于穩(wěn)健估計(jì)算法的監(jiān)控模型判別法克服了經(jīng)典的最小二乘法所存在的抗粗差干擾性差這一缺點(diǎn)，從給定盡量接近穩(wěn)健估計(jì)的初值開始，在最小二乘回歸的基礎(chǔ)上逐步按殘差大小加穩(wěn)健化權(quán)，迭代求得模型參數(shù)的穩(wěn)健估計(jì)，這一估計(jì)值最接近于無粗差影響時(shí)的正常估值。隔河巖大壩安全監(jiān)測(cè)數(shù)據(jù)的實(shí)例分析表明，這些方法具有較好的粗差識(shí)別能力。

［1］ 費(fèi)業(yè)泰.誤差理論與數(shù)據(jù)處理［M］.北京：機(jī)械工業(yè)出版社，2004.（FEIYe-tai.Error Theory and Data Pro-cessing［M］.Beijing：China Machine Press，2004.（in Chinese））

［2］ 林洪樺.動(dòng)態(tài)測(cè)試數(shù)據(jù)處理［M］.北京：北京理工大學(xué)出版社，1995.（LING Hong-hua.Dynamic Measure-ment Data Processing［M］.Beijing：Beijing Institute of Technology Press，1995.（in Chinese））

［3］ 周江文.經(jīng)典誤差理論與抗差估計(jì)［J］.測(cè)繪學(xué)報(bào)，1989，18（2）：115－120.（ZHOU Jiang-wen.Classic Er-ror Theory and Robust Estimation［J］.Acta Geodaetica et Cartographica Sinica，1989，18（2）：115－120.（in Chinese））

［4］ 姚宜斌.粗差的定性分析［J］.測(cè)繪信息與工程，2002，27（1）：1－3.（YAO Yi-bin.Qualitative Analysis of Outlier［J］.Journal of Geomatics，2002，27（1）：1－3.（in Chinese））

［5］ 劉德軍，趙全麟.隔河巖大壩變形監(jiān)測(cè)資料分析［J］.人民長(zhǎng)江，2000，（6）：39－41.（LIU De-jun，ZHAO Quan-lin.Analysis of Deformation Monitoring Data of Hu-beiQingjiang Geheyan Hydraulic Power Station［J］.Yan-gtze Rive，2000，（6）：39－41.（in Chinese））

［6］ 長(zhǎng)江委長(zhǎng)江勘測(cè)規(guī)劃設(shè)計(jì)研究院.湖北省清江隔河巖水電站竣工驗(yàn)收文件匯編（第二冊(cè)）設(shè)計(jì)報(bào)告［R］.武漢：長(zhǎng)江委長(zhǎng)江勘測(cè)規(guī)劃設(shè)計(jì)研究院，1997.（Changjiang Institute of Survey，Planning，Design，Re-search＆Design.Report of Hubei Qingjiang Geheyan Hydraulic Power Station［R］.Wuhan：Changjiang Insti-tute of Survey Planning Design and Research Design，1997.（in Chinese））

［7］ 張保軍，張 漫，李亦明，等.清江隔河巖水利樞紐大壩安全監(jiān)測(cè)資料綜合分析報(bào)告（2003年度）［R］.武漢：長(zhǎng)江科學(xué)院，2004.（ZHANG Bao-jun，ZHANG Mang，LI Yi-ming，et al.The Synthetical Analysis Re-port of Safety Monitoring Data of Hubei Qingjiang Gehey-an Hydraulic Power Station（2003）［R］.Wuhan：Changjiang River Scientific Research Institute，2004.（in Chinese） ）

（編輯：劉運(yùn)飛）

Research on Gross Error Identification Techniques of Dam Safety M onitoring Data

ZHOU Yuan-chun，GAN Xiao-qing，LIDuan-you
（Changjiang River Scientific Research Institute，Wuhan 430010，China）

The authors introduce a couple of prevailing gross error identification techniques adopted in the process of current dam safetymonitoring data treatment and analyze their respective advantages＆disadvantages aswell as their application ranges.In combination with the shortcomings of those techniques，the gross error data were identified by using space-time identification technology and robustness-based technique.Space-time identification technology utili-zes fully the basic space and time information of the data series and compare datawith historical data or adjacent ob-servation data to identify the gross error.The identification approach of robustness-basedmonitoringmodel overcomes the disadvantage of poor gross error interference immunity of traditional least squaremethod and obtains robustestima-tion through iterative calculations with gradual weighted robustness.The estimation figures proved to be the most closely to the normal data without interfering by gross errors.The case analysis of safetymonitoring data of Geheyan Dam verifies that the above approaches are capable of identifying gross errors outstandingly.

monitoring data；gross error identification；space-time identification；robust estimation

P642

A

1001－5485（2011）02－0016－05

2010-03-10

國家科技支撐計(jì)劃子課題（2006BAC14B06－02（02））；長(zhǎng)江科學(xué)院中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)項(xiàng)目（YWF0723／AQ03）

周元春（1974-），女，湖北武漢人，高級(jí)工程師，碩士，主要從事巖土工程安全監(jiān)測(cè)及安全評(píng)價(jià)等工作，（電話）027-82829879（電子信箱）zhouyc＿h(yuǎn)b＠163.com。