朱 斯 杨，李 艳 玲，卢 祥，刘 可 心

(1.四川大学 水力学与山区河流开发保护国家重点实验室，四川 成都 610065； 2.四川大学 水利水电学院，四川 成都 610065)

随着监测技术、网络通讯技术和计算机技术的不断发展，工程安全监测的测点个数和观测频次也随之增多，监测数据量增长明显[1]，精确识别出监测数据序列中的异常值，提高监测数据的有效性，对科学准确分析工程安全性态具有重要意义[2]。目前应用于异常数据识别的方法很多，包括四分点法[3]、统计学方法[4]等，其中3σ准则因为使用简便而应用较广[5]，但由于其识别效果对数据序列正态分布特性依赖严重，因而对工程安全中经常出现的“台阶型”、“振荡型”等含有较多离群点的数据序列极易出现异常识别漏判的问题。毛亚纯[6]和赵键等[7]基于3σ准则提出了数据跳跃法来识别异常数据；许贝贝[8]等将3σ准则与分位数方法结合起来，利用关联分析法分析测点位移空间关系识别异常数据；Li等[9]基于3σ准则采用自学习和平滑处理来识别异常数据，但这些方法均不适用于含离群点较多的数据序列，因此识别精度较低。为此，本文基于隶属云模型，通过逆向隶属云发生器计算每个云滴的期望和带宽，利用3b准则进行初步识别离群严重的数据，以云滴群期望和带宽序列的均值代替3σ准则中的均值和标准差进行构造控制函数进行识别，并将该方法应用于龚嘴水电站不同类型的测点序列，将结果与传统3σ准则对比，结果发现该方法对含离群点较多的“台阶型”和“振荡型”数据序列识别效果很好，对正常数据序列识别效果与传统方法一致。……