3水工建筑物安全监控理论-定义和概述

水工建筑物安全监控理论－水工建筑物安全监控定义水工建筑物安全监控理论是以水利水电工程建设和运行中发生的各种可能危害、事故为主要研究对象，以工程特征信息为基础，总结、分析已发生危害事件或事故的经验，综合运用自然科学、技术科学和管理科学等方面的有关知识，识别和预测建设、运行活动中存在的不安全因素，并采取有效的控制措施防止危害、事故发生的科学技术知识体系。水工建筑物安全监控理论的基本内容是根据各种危害、事故发生机理的认识，应用系统工程的原理和方法，在规划、设计、建设、运行直到废除的整个寿命过程中，实施预测、分析、评价其中存在的各种不安全因素，判断工程安全程度，根据有关法规，综合运用各种安全技术措施和组织织管理措施、消除和控制危险因素，提出安全对策建议，为工程安全经济运行提供科学依据。水工建筑物安全监控的基本内容水工建筑物安全监控水工建筑物安全监控我国现行安全管理体制企业负责、行业管理、国家监察、群众监督安全生产基本方针：安全第一、预防为主、综合治理水工建筑物安全监控相关法规：大坝安全监测工程验收规范混凝土坝安全监测技术规范DLT5178-2003水电厂大坝安全监测自动化系统实用化验收细则水工建筑物强震动安全监测技术规范水库大坝安全评价导则Sl258-1水闸安全鉴定规定土石坝安全监测技术规范SL60-94土石坝安全监测资料整编规程SL169-96其它相关设计规范和国家法律法规安全评价方法（1）按评价结果的量化程度分类法定性－直观、经验（如巡查、检测、运行情况）安全评价方法的分类定量－资料统计分析获得的指标或规律(数学模型）对水工建筑物的状况进行定量的计算，安全评价的结果是一些定量的指标，如事故发生的概率、事故的危害(或破坏)范围、定量的危险性、事故致因因素的事故关联度或重要度等。按照安全评价给出的定量结果的类别不同，定量安全评价方法还可以分为概率风险评价法、危害(或破坏)范围评价法和危险指数评价法。概率风险评价法根据安全影响因素的事故发生概率，应用概率分析方法，求取安全影响因素的关联度(或重要度)或整个评价系统的事故发生概率的安全评价方法。故障类型及影响分析、故障树分析、逻辑树分析、概率理论分析、马尔可夫模型分析、模糊矩阵法、统计图表分析法等都可以用安全影响因素的事故发生概率来计算整个评价系统的事故发生概率。归纳推理评价法是从事故原因推论结果的评价方法，即从最基本危险、有害因素开始，逐渐分析导致事故发生的直接因素，最终分析得出可能的事故。演绎推理评价法是从结果推论原因的评价方法，即从事故开始，推论导致事故发生的直接因素，再分析与直接因素相关的之间因素，最终分析和查找出致使事故发生的最基本危险、有害因素。（2）按评价的推理过程分类法分为归纳推理评价法和演绎推理评价法。（3）按安全评价要达到的目的分类法可分为影响因素安全评价方法、危险性分级安全评价方法和事故后果安全评价方法。影响因素安全评价方法是采用逻辑推理的方法由事故推论最基本影响因素或由最基本影响因素推论事故的评价法，该类方法适用于识别系统的危险、有害因素和分析事故，这类方法一般属于定性安全评价法。危险性分级安全评价方法是通过定性或定量分析给出系统危险性的安全评价方法，该类方法适应于系统的危险性分级，该类方法可以是定性安全评价法，也可以是定量安全评价法。事故后果安全评价方法可以直接给出定量的事故后果，给出的事故后果可以是系统事故发生的概率、事故的伤害(或破坏)范围、事故的损失或定量的系统危险性等。安全评价方法选择(1)充分性原则－充分了解工程特点和可用的评价方法，准备好充分资料(2)适应性原则－资料、方法、手段(3)系统性原则－真实、合理、系统的基础数据(4)针对性原则－工程特点，提供所需结果安全评价方法的选择过程生产监测资料分析的统计学方法统计学基本方法大量观察法、综合指标法、统计分组法、统计推断法和统计模型法等。统计模型法：将客观信息的统计资料配合适当的数学表达式，反映现象间数量关系和数量特征的方法。•描述因变量y如何依赖于自变量x和误差项的方程称为回归模型•一元线性回归模型可表示为y=a+bx+y是x的线性函数(部分)加上误差项线性部分反映了由于x的变化而引起的y的变化误差项是随机变量反映了除x和y之间的线性关系之外的随机因素对y的影响是不能由x和y之间的线性关系所解释的变异性a和b称为模型的参数误差项ε是一个服从正态分布的随机变量，且相互独立；ε~N(0,σ2)相关分析和回归分析•做出散点图•考察数据的分布•进行直线回归分析•残差分析•强影响点的诊断及多重共线性的判断要注意自变量和效应量的内在本质规律！相关分析和回归分析不相关负线性相关正线性相关非线性相关完全负线性相关完全正线性相关散点图－相关关系024681012140100200300400水位位移02468101214010203040温度位移02468101214050100150200水位渗压024681012140102030时间位移散点图－相关关系位移与水位的回归直线-2024681012140100200300400水位位移散点图－一元回归分析一元线性回归方程（一）特点资料估计a、b（1）y主要受x影响，还有其它因素影响；（2）与一元方程不同，是矛盾方程组。（二）参数估计最小二乘法、最大似然法（三）一元回归方程的特点判定系数r2xyyxy10ˆˆˆyy{}}yyˆyyˆ),(iiyxniiniiniiyyyyyy121212ˆˆ总平方和(SST){回归平方和(SSR)残差平方和(SSE){{niiniiniiniiyyyyyyyySSTSSRR121212122ˆˆ1ˆ判定系数r21.提出假设H0:b1=0(没有线性关系)H1:b10(有线性关系)2.计算检验的统计量3.确定显著性水平，并进行决策tt，拒绝H0；tt，不拒绝H0)2(~ˆ1ˆ1ntst回归系数•根据自变量x的取值估计或预测因变量y的取值•估计或预测的类型–点估计•y的平均值的点估计•y的个别值的点估计–区间估计•y的平均值的置信区间估计•y的个别值的预测区间估计预测预测利用估计的回归方程，对于自变量x的一个给定值x0，求出因变量y的平均值的一个估计值E(y0)，就是平均值的点估计。利用估计的回归方程，对于自变量x的一个给定值x0，求出因变量y的一个个别值的估计值，就是个别值的点估计。0ˆy1.因变量的观测值与根据估计的回归方程求出的预测值之差，用e表示2.反映了用估计的回归方程去预测而引起的误差3.确定有关误差项的假定是否成立4.检测有影响的观测值iiiyyeˆ残差分析1.表示残差的图形–关于x的残差图–关于y的残差图–标准化残差图2.用于判断误差的假定是否成立3.检测有影响的观测值残差分析残差分析1.如果某一个点与其他点所呈现的趋势不相吻合，这个点就有可能是异常点，或称为野点–如果异常值是一个错误的数据，比如记录错误造成的，应该修正该数据，以便改善回归的效果–如果是由于模型的假定不合理，使得标准化残差偏大，应该考虑采用其他形式的模型，比如非线性模型–如果完全是由于随机因素而造成的异常值，则应该保留该数据2.在处理异常值时，若一个异常值是一个有效的观测值，不应轻易地将其从数据集中予以剔除残差分析1.一个因变量与两个及两个以上自变量的回归2.描述因变量y如何依赖于自变量x1，x2，…，xp和误差项的方程，称为多元回归模型3.涉及p个自变量的多元回归模型可表示为b0，b1，b2，，bp是参数是被称为误差项的随机变量y是x1,，x2，，xp的线性函数加上误差项包含在y里面但不能被p个自变量的线性关系所解释的变异性ipipiixxxy22110多元回归模型1.误差项ε是一个期望值为0的随机变量，即E()=02.对于自变量x1，x2，…，xp的所有值，的方差2都相同3.误差项ε是一个服从正态分布的随机变量，即ε~N(0,2)，且相互独立多元回归模型二元线性回归模型22110xxy(观察到的y)22110)(xxyE回归面0ix1yx2(x1,x2)}多元回归模型某大坝运行后获得了变形和应力等实测资料，为弄清楚变形和应力变化规律形成的原因，抽取在结构和运行相对稳定时段的大坝变形和应力实测资料数据。试建立大坝变形或应力与水位(H)、温度(T)、时间(t)的线性回归方程，并解释各回归系数的含义。多元回归模型1.回归平方和占总平方和的比例2.计算公式为3.因变量取值的变差中，能被估计的多元回归方程所解释的比例SSTSSESSTSSRyyyyRniinii1ˆ12122多重判定系数1.用样本容量n和自变量的个数p去修正R2得到2.计算公式为3.避免增加自变量而高估R24.意义与R2类似5.数值小于R2111122pnnRRa调整后的判定系数1.提出假设–H0：12p=0线性关系不显著–H1：1，2，，p至少有一个不等于0)1,(~1ˆˆ11212pnpFpnyypyypnSSEpSSRFniinii2.计算检验统计量F3.确定显著性水平和分子自由度p、分母自由度n-p-1找出临界值F4.作出决策：若FF，拒绝H0线性相关？1.提出假设H0：bi=0(自变量xi与因变量y没有线性关系)H1：bi0(自变量xi与因变量y有线性关系)2.计算检验的统计量t3.确定显著性水平，并进行决策tt，拒绝H0；tt，不拒绝H0)1(~ˆˆpntStii单个系数检验1.回归模型中两个或两个以上的自变量彼此相关2.多重共线性带来的问题有–可能会使回归的结果造成混乱，甚至会把分析引入歧途–可能对参数估计值的正负号产生影响，特别是各回归系数的正负号有可能同预期的正负号相反。如水位升高对大坝变形和应力的影响如何检验是否存在多重共线性?目前常用的有方差扩大因子法和特征根判定法。下面简单介绍方差扩大因子(VIF)法。多重共线性当发现自变量存在严重的多重共线性时，可以通过剔除一些不重要的自变量、增大样本容量、对回归系数做有偏估计(如采用岭回归法、主成分法、偏最小二乘法等)等方法来克服多重共线性。标准化后的回归系数与没有标准化方程的回归系数的关系自变量选择原则预测平方和(PredictionSumofSquares)准则:对于给定的某p个自变量X1，X2，…，Xp，在样本数据中删除第i组观测值(Xi1，Xi2，…，Xip;Yi)后利用这p个自变量和Y的其余n-1组观测值建立线性回归方程，并利用所得的回归方程对Yi做预测，若记此预测值为，则预测误差为)(ˆiY)(ˆiiiYYd达到或接近最小的回归方程作为最优回归方程准则4(AIC准则)赤池信息量达到最小日本统计学家赤池(Akaike)提出,称它为AkaikeInformationCriterion简称AIC。