黄海兵，吴云星，谷艳昌

(1.南京水利科学研究院，江苏 南京 210029；2.水利部大坝安全管理中心，江苏 南京 210029)

随着水利工程建设的不断推进，它在国家经济民生中发挥着越来越重要的作用，特别是高坝大库的发展，使得水库大坝不仅在防止洪涝等民生安全方面起到了巨大的保障作用，也在发电等方面发挥着巨大的经济效益。而这一切的基础即是大坝能安全运行，所以对大坝进行运行性态分析就显得尤为重要[1]。普遍地，为了更加全面监测大坝的运行性态，通常是在坝体上布设更加系统化的监测测点，以获取更加全面的监测数据资料，继而监测大坝的各项运行指标。然而数据资料太多又会导致分析处理繁琐的问题，若对海量的监测数据资料进行逐一分析，这不仅耗时耗力，也不利于及时得到有效的信息以迅速对大坝的运行状况进行评价[2]。因此，就需要对海量的数据进行深度的挖掘，从中找到数据之间隐含的、有价值的、能理解的趋向与关联，进而降低数据分析复杂度，提高大坝管理者的分析、决策能力[3]。聚类算法作为一种数据挖掘中广泛运用的机器算法，它解决的难题是把一个数据集合重构为若干个子集。而且每个子集在依据原则下具有一定的相似性，并在不同子集间具有尽可能大的相异性[4]。

目前，聚类已成为在遥感、客户关系管理、医学、市场营销、电信、军事、商业领域和金融等领域中常用的统计数据分析技术[5-9]，但在大坝监测资料分析中应用的综合性研究论述还比较少。……