邱德俊，周 洋，仲静文，贾玉豪

(1.南京市水利规划设计院股份有限公司，江苏 南京 210022;2.河海大学水利水电学院，江苏 南京 210098；3.上海勘测设计研究院有限公司，上海 200335)

0 引 言

借助先进的数学模型，利用大坝长时期服役过程中产生的位移监测数据，对大坝安全性态开展研究一直是大坝安全监控领域的重点研究方向[1-3]。然而，在大坝长期服役过程中不可避免地会出现位移监测数据缺失的情况，不利于大坝监测数据的分析处理[4-5]。因此，研究大坝位移监测缺失数据的补齐方法尤为重要。以往补齐大坝位移缺失数据多采用传统的插值估计法。吕开云[6]指出观测数据插补的方法主要包括内在物理联系插补法和数学插补法，介绍了线性插补法的原理和过程；李双平等[7]对比了常用的数学插值方法，并选择了充分利用已有数据信息、插值曲线光滑的三次Hermite分段插值。但这类方法仅基于已知数据，没有结合大坝的长效服役特点。由大坝变形统计模型理论可知，大坝变形主要受水位、温度和时效3个分量的影响。为此，有学者提出将水位、温度和时效作为大坝变形的影响因子，借助BP神经网络映射方法对位移缺失数据进行补齐。然而，仅考虑大坝变形统计模型分量并不能合理地估计出缺失数据，同时BP神经网络算法容易陷入局部最优、收敛速度较慢的情况。由于大坝变形具有良好的整体性和连贯性，因此大坝局部区域的变形在一定程度上具有相关性，同一监测项目的一系列测点在变形上具有高度的相似性，可以融合相关测点的监测信息对目标测点进行插值[8-10]。……