3水工建筑物安全监控理论-定义和概述精

1、Ill3水工建筑物安全监控理论I呈舉筑物安全监控的基本内容1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n1 1 ini UII定性G且 疋里险评价法L危害（或破坏）范围评价法和危 险指数评价法。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JPIE 安全评价方法安全评价方

2、法的分类（1）按评价结果的量化程度分类法_ _ _ 量的指标尸如事敌发生的槪率、i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；III 5分为归纳推理评价法和演绎推理评价法。rTTTT（2）按评价的推理过程分类法人事故原因摊论结，WTiTlJiEZi "-题炭霍翳!疡删索蔓辑树分 電;Ill41- -型及影啣分析静故障树分析、逻辑树分 析.概率理论分析、马尔可夫模型分析 、模糊矩阵法、统计图表分析归纳推舉评价法是£即从最墓本鬼险 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.一 演绎推理评价法是X卷翔Jb#鋼冒事故

3、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.(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 后果安全评价方法。影响因素安全评价方法長采用逻辑推理 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 般属須酸闕礙 危险性分级安全评价方法 析给出系统危险性的安全 适应于系统的危险性分级 也可以是 輕蓟诿不评价方法可 给出的事故后果 葡譯、事故的伤害(或砌 或定量的系统危险性等。安全评价方法选择定量安全评价法SI 充分性原则一充分了解工程特点和可用的评价方法，准备

4、好充分资鶴(2)适应性原则一资料、方法、手段系统性原则一真实、合理、系统的基础数据(4)针对性原贝IJ一工程特点，提供所需结果安全评价方法的选择过程?ssa!IS收隼安全评价方法分柝被iF价寒境分析安全评价方法«确菽护/r療统43够供茶础數和费选择安全杯方苦I监测资料分析的统计学方法7*.GO.J-_l- '、三:帘亍八大量观察法、综合指标法、统计分组法齐园、统计推断法和统计模型法等。表达式，反映现象间数量关系和数量特 征的方法。将客观信息的统计资料配合适当的数学事 滇戸翌?辱相关分析和回归分析描述因变量y如何依赖于自变量X和误差项£的方程称为 回归模型元线性回归模

5、型可表示为J = a + bX + sy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），之间的线性关系所解释的变异性a和b称为模型的参数谋差項乡是一个服从正态分布的随机变量，且相互独止;50 , <72 ）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!10散点图一相关关系->完全正线性相关完全负线性相关® ®©)不相关1-11210Sfc

6、8 ” 2严100200300-100水他1O2030trinuII12203040001OOISO200水蚀.散点图一一元回归分析/.:/1002003001<位移与水位的回归直线0 水位1412108 塗 6 学 6420-2一元钱性回归方程（）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y-y(兀八”)rr)-y"=BQ+Ax I U y判定系数z/!”<=1(=1总平方和(SST)回归平方和(SSR)强R討刃y_ 残差平方和(SSE)741JI回归系数1.

7、 提出假设Ho： bi = O（没有线性关系）H：b工0（有线性关系）2. 计算检验的统计量f2）£盂AX 确定显著性水平e 并进行决策 "卜心2，拒绝如；kk：，不拒绝如9（测根据自变量X的取值估计或预测因变量朋勺取 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住计 y的个别值的预测区闻估计9（测晔 利用估计的回归方程，对于自变量兀的 一个给定值兀(),求出因变量y的平均值 的一个估计值E(yo),就是平均值的点估 计。*利用估计的回归方程，对于自变量 比的 一个给定值心，求出因变量y的一个 个别值的估计彳直就是个别值

8、的点估 计。残差分析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A£i =必-刃2.3.4.反映了用估计的回归方程去预测而引起的误差确定有关误差项E的假定是否成立检测有影响的观测值残差分析1. 表示残差的图形关于片的残差图- 关于7勺残差图-标准化残差图2. 用于判断误差E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

9、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多元回归模型2.3.个因变量与两个及两个以上自变量的回归 描述因变量y如何依赖于自变量X,兀2，. 和误差项S的方程，称为多元回归模型 涉及P个自变量的多元回归模型可表示为"Al *队、爲At是参数 £是被称为误差项的随机变量y是巧，兀2，Xp的线性函数加上误差项占 G包否在y里面但不罷被P个自变量的线性关系 所解释的变异性多元回归模型1. 误差项£是一个期望值为0的随机变量，即E(£

10、=O2. 对干自变量X、兀2，Xp的所有值，E的方差2都相同3. 误差项£是一个服从正态分布的随机变量，即gN(0Q2), 且相互独立多元回归模型ZV硒1多元回归模型某人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力实测资料数据。试建 立大坝变形或应力与水位（“、温度（7）、时间（r）的线 性冋归方程，并解释各阿归系数的含义多重判定系数1.回归平方和占总平方和的比例2计算公式为购 SST3. 因变量取点勺变差中，能被估计的多元回归方程 所解释的比例调整后的判定系数1. 用样本容量n和自变量的个数P去修正R2得到

11、2. 计算公式为心1-(1-讣上3 刑一尹一1意义与R2类似 数值小于尺21. 避免增加自变量而高估尺22.3.銭性相关？提出假设-H& 0=02=-=0p=O 线性关系不显著-%： 01，02，0P 至少有一个不等于0 计算检验统计量行.F = = =TFSm-P-I)a/r-l 矜®yLp-i确定显著性水平Ot和分子自由度P、分母自由度M "I找出临界值Fq作出决霓：若F>F.拒绝Ho单个系1. 提出假设 Ho： A=0 （自变量码与因变量y没有线性关系） 厲：0严0 （自变童召与因变量y有线性关系）2. 计算检验的统计量f4"各©-P

12、 -1）*3. 确定显著性水平e 并进行决策tVg不拒绝Hot拒绝Ho；多章共钱性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彩响，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。对自变虽做中心标准化处理则X* =(口为自变址的相关矩阵记C =(5=(Xf7称其对角线元素VIF = C” = _ R£,(j = 1*2,-/)为

13、自变量兀的方差扩大因子 (Variance InOalion Factor),其中& gffi J,作为因变罐与其余P" 1个自变fi做线性回归所 毎到的a相关系数vIP反按了毎个变骨所受到多$共线生的影响的大小.对每一个自变8 。都有VIF,>1.也可以用P个自变量所对应的方差扩大因子的平均数来度最多重共线性. 当V斥=7丈VlFj远远大于1时，就表示存在严重的多重共线性问题."J- I数据的标准化处埋公式是：r r“汕 亠知当发现自变量存在严重的多重共线性时，可以通过剧除一些不重要 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 X主成分法偏

14、M小二乘法等)醤方法来竟服多重共线性. i = 1j J £(6 -兀)2标准北的数据建立的回归方程记为 /=价可+必疝+ 8; 丁； 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J S 5 一耳屮B; F 一. Bj、3 = 1»2, 卮®-刖W f « 自变量选择原则删合触考陈可以采用修正的复相失系数达到狀的准肌 准则1修正的复相关系数出达到最大.与这个觎等价的觑是曲方我差MSE达到最小，因为1从这个关系式容易副代达到最娥MSE达到最小.从预测角度考虑，可以采用预谶平方和达到S小的准则以及C,椎则. 准则2预渭平方和PRESS,达到最小.预测平

15、方和（Prediction Sum of Squares）准则：对于给定的某P个自变量X” X2,Xp,在样本数据中删除第i组观测 值（Xx Xi2X泗）后利用这P个自变量和Y的其余ml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，若记此预测值岛 ,则预测误差为“=幷一乂门依次取21,2,5则醐“个预赠总如果包含这P个自变量的回归預況效臬 较好,则所有d左-1,2,-.n）的讎平方和达到或按近最小.即选取PRESS,解PRESS, =2®-，t -I»> 1达到或接近最小的回归方程作为最优回归方程准则3©准躺定义q统漉为copCp biGVf ? 1 (” 2/ 2)P MSE(m珀儿)其中SSEp聽含