杨 鸽，范振东，傅春江，刘 阳

(1.杭州国家水电站大坝安全和应急工程技术中心有限公司，浙江 杭州 311122；

2.中国电建华东勘测设计研究院有限公司，浙江 杭州 311122；

3.中国电力技术装备有限公司，北京 100052)

0 引 言

近年来互联网、物联网、大数据等技术的快速发展使实现大坝安全实时诊断成为可能。目前应用较为成功的大坝安全诊断信息系统[1-4]都是对大坝安全监测数据进行分析、实时识别异常数据，据此识别大坝异常运行状况。因此，及时有效地识别异常监测数据是大坝安全实时诊断的基础。

目前，在大坝监控领域可见的异常值识别方法按照其原理可以被分为基于包络域的识别法、基于条件相似性的识别法以及基于数学模型的识别法3类。其中，基于统计回归数学模型的异常值识别方法通常能够达到较高的敏感度，同时也不容易将正常值误判为异常，因此应用最为广泛。但是，回归模型的建立通常需要有丰富数据分析经验的人操作完成。当对监测点极多的高坝或群坝进行监控时，人力成本巨大；同时，不同的操作人员可能出现标准不一致、甚至不准确的情况。此外，统计模型中通常还包括水位、温度等环境量，而在实际工程中经常出现环境量与效应量不同时报送的情况，这时将无法采用统计模型得出效应量预测值，因而也就无法判断实测值是否异常。

奇异谱分析(Singular Spectrum Analysis，SSA)是一种融合了传统时间序列分析、多元统计、动力系统以及信号处理等多领域方法的技术。……