摘 要：為解決孤立森林算法檢測大壩異常數(shù)據(jù)時因不能識別數(shù)據(jù)間趨勢性和相關(guān)性而造成數(shù)據(jù)誤判的問題，提出基于平滑閾值與孤立森林的大壩監(jiān)測數(shù)據(jù)異常檢測算法。首先利用小波變換提取時序數(shù)據(jù)的趨勢項，然后使用ＡＲＭＡ 模型對提取的趨勢項數(shù)據(jù)確定動態(tài)閾值區(qū)間，最后利用孤立森林算法檢測出散落在閾值區(qū)間外的異常值。以貴州省畢節(jié)市夾巖水利樞紐工程混凝土面板堆石壩為例，分別對大壩壩基、壩體、周邊縫及面板４ 個部位監(jiān)測數(shù)據(jù)進行檢測，驗證算法效果。結(jié)果表明：與傳統(tǒng)孤立森林算法相比，基于平滑閾值與孤立森林的算法對壓力、觀測房沉降量、開合度、應力的誤判率分別降低了１２．２、１３．４、７．１、８．０ 個百分點。

關(guān)鍵詞：小波變換；ＡＲＭＡ 模型；孤立森林；異常檢測；大壩；畢節(jié)市夾巖水利樞紐工程

中圖分類號：ＴＶ６９８．１ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２５．０３．０２２

引用格式：張瑜，秦學，彭浩．基于平滑閾值與孤立森林的大壩監(jiān)測數(shù)據(jù)異常檢測［Ｊ］．人民黃河，２０２５，４７（３）：１４１－１４５．

隨著大壩建設規(guī)模的不斷擴大，保障大壩安全成為重要挑戰(zhàn)［１］ ?，F(xiàn)今許多大壩因長時間運行而存在老化和損壞情況，加之維護不足或缺乏定期檢查，導致大壩出現(xiàn)各種潛在問題。通過檢測大壩的異常數(shù)據(jù)可以及早發(fā)現(xiàn)問題并解決，以確保大壩的安全運行。目前在大壩監(jiān)測數(shù)據(jù)異常檢測領(lǐng)域，已有多種檢測方法并取得良好效果［２－３］ ，但仍存在合理選擇測值范圍、實驗數(shù)據(jù)服從特定的概率分布［４］ 以及進行特定訓練和擬合［５］ 等適應性問題。孤立森林算法在處理低維度、異常點相對較少的時序數(shù)據(jù)方面有很大優(yōu)勢，但無法捕捉數(shù)據(jù)的時序相關(guān)性。另外，孤立森林算法對于噪聲數(shù)據(jù)比較敏感，噪聲數(shù)據(jù)可能會被誤判為異常點［６］ 。將ＡＲＭＡ 模型與孤立森林算法結(jié)合， 利用ＡＲＭＡ 模型生成動態(tài)閾值［７］ ，根據(jù)歷史數(shù)據(jù)走勢和預測結(jié)果不斷調(diào)整閾值，可以更加靈活地適應數(shù)據(jù)的變化。

本文提出一種基于平滑閾值與孤立森林的大壩監(jiān)測數(shù)據(jù)異常檢測方法，首先利用小波變換提取大壩監(jiān)測數(shù)據(jù)中的趨勢項，達到平滑數(shù)據(jù)的效果；然后利用ＡＲＭＡ 模型計算出動態(tài)閾值區(qū)間，衡量數(shù)據(jù)的波動性；最后采用孤立森林算法對處于閾值區(qū)間外的數(shù)據(jù)點進行異常檢測。