赵新华，范振东，何 宇，查益华

（1.国网新源水电有限公司新安江水力发电厂，杭州311608；2.中国电建集团华东勘测设计研究院有限公司，杭州311122）

0 引言

大坝监测数据是评估运行期大坝安全性态最直观、最可靠的方法之一［1，3］，而自动化监测因其具有快速、实时、在线监测的优势在各大水电站大坝监测中得到广泛应用，但是自动化监测由于采集频次高且容易受雷击、电压等影响，容易出现异常值和毛刺点［4］。若异常值量值与正常值相差较大，则往往会覆盖监测效应量的变化规律。此外自动化监测数据中异常值出现的位置、量值具有不确定性，人工删除异常值存在工作量大、主观性强等不足。目前，常用的大坝监测数据异常值识别方法有逻辑判别法、统计判别法以及基于模型的方法［5，7］等，其中，逻辑判别法需要给定一个测值的逻辑合理范围，不同监测效应量的合理范围不同，不具有普遍性。统计判别法适用于荷载条件变化不大的监测数据中，单纯使用统计判别法的误差检测率往往不高。基于模型的方法需根据环境量等信息建立相应的预测模型，以模型预测值和实际测值的残差为检测对象，根据统计学方法或者机器学习方法进行异常值检测，该方法是一种有监督学习方法，对粗差等异常值检测的精度受限于所建模型精度，而所建模型精度往往又受异常值的影响，因此用于建模的样本数据往往需人工审核去除异常值，没有达到减少人工工作量的效果。……