邹彤彤 杨 涛 周 勇 王仲平 余来斌 王东凯 肖 荣 出晓娟

(1、兰州交通大学数理学院，甘肃 兰州 730070 2、中国科学院海西研究院泉州装备制造研究所，福建 泉州 362200 3、中国建筑第八工程局有限公司，上海 200000 4、中建八局有限公司南方公司，广西 南宁 530022)

1 概述

近年来，随着经济的高速发展，城市地下工程急剧增加，地面问题日趋严重。在隧道开挖中，由于受到地下复杂的地质工程条件、周边环境、突发灾害以及人为破坏等因素的影响，会产生渗漏水、裂缝、断面变形侵限、掉块、衬砌错台错缝、衬砌腐蚀劣化、冻害、震害、钢筋钢拱架锈蚀、道板隆起、拱顶坍塌等各种病害，造成人员伤亡及经济损失[1-2]。针对以上各种隧道病害，对隧道进行地表变形监测[3]，了解场地地表及建筑物变形、沉降发展动态、规律，为场地地基稳定性鉴别和预测、预警提供依据是非常必要的[4]。但由于环境恶化，设备损坏等多种因素的影响，获得的监测数据中会存在很多与标准值（或期待值）有偏离的样本，也就是说与绝大部分数据“长的不一样”的样本，即异常值。传统的异常监测方法大多是由统计学界完成的，因其简单易操作等优点在工程领域得到了广泛的应用，如胡碧辉等[5]用3σ 准则和高斯过程回归相结合的方法对变形异常数据进行检测，李增良[6]用箱线图法对盾构地表变形数据进行异常识别。但这种基于统计学的检测方法主要是对数据做出一定假设，并找出在此假设之下定义的“异常”，因此往往会使用极值分析或假设检验，且可解释性弱，具有一定的局限性。……