基于图像处理技术的大坝监测数据粗差识别

发布时间：2022-02-11 09:00

　　为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理,再提取主要趋势线,最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料,运用该方法对其进行粗差识别,并与传统3σ识别准则的粗差识别效果进行对比。算例结果表明:该方法对数据粗差的识别效果更加显著,避免了粗差漏判情况的发生,对粗差的剔除更彻底;利用该方法识别后得到的统计模型复相关系数为0.999,标准差为0.192,模型精度更高,也更符合工程实际情况。因此,该方法具有一定的工程应用前景和实用价值。 

【文章来源】：南水北调与水利科技(中英文). 2020,18(05)北大核心

【文章页数】：7 页

【部分图文】：

不同形状绘制点堆叠后的覆盖面积

在本方法中高斯模糊强度α设为2，二值化阈值β为150。该粗差识别方法的步骤如下：(1）依据监测数据绘制散点图，提取监测数据的最大、最小值，根据最值大小设置数据散点图的纵坐标范围。

Python是一种不受限制，可以跨平台、面向对象的开源编程语言，几乎在任意的操作系统上都能运行。用户能够利用Python脚本语言在ArcGIS软件环境中，因为可以满足数据快速处理的需要，可以被用于具有庞大数据量的大坝监测资料处理中[13-16]。NumPy系统是Python的一种开源的数值计算扩展，因为比Python自身的嵌套列表结构在存储和处理大型矩阵方面具有更大的优势，通常被用于图片处理之中[17-19]。以下是本文粗差识别程序的实现步骤与关键设计内容。

【参考文献】：
期刊论文
[1]基于Python实现数采系统实时数据的定时采集与处理[J]. 马孝宗.  电脑编程技巧与维护. 2019(11)
[2]大坝自动化监测数据粗差处理方法探究[J]. 魏肖怡.  科技风. 2019(31)
[3]基于Python的数据分析的研究[J]. 张运玉.  电脑知识与技术. 2019(30)
[4]Python在统计数据处理中的应用[J]. 胡前防,连鹏伟,陈乾坤.  市场研究. 2019(08)
[5]基于M估计的改进Pauta准则在监测数据粗差识别中的研究及应用[J]. 李兴,李艳玲,张鹏,杨哲.  中国农村水利水电. 2019(08)
[6]刍议自动化技术在大坝变形监测中的应用[J]. 苏凯.  现代物业(中旬刊). 2019(06)
[7]Python Arcpy与Numpy在土地集约利用中的应用——以江苏省为例[J]. 赵炫炫,闫晗,李保杰,邱文平,王梦雨.  测绘地理信息. 2020(01)
[8]自动化技术在大坝变形监测中的应用研究[J]. 宋智全.  江西建材. 2018(13)
[9]Python在图像处理中的应用[J]. 韩晓冬,王浩森,王硕,王建雯,王杰.  北京测绘. 2018(03)
[10]基于python的地理空间数据批量处理方法研究[J]. 屈鹏.  矿山测量. 2018(01)

博士论文
[1]大坝安全监控统计模型研究[D]. 李智录.西安理工大学 2006

硕士论文
[1]基于Pro/ENGINEER的CAD模型直接切层技术研究[D]. 景天佑.西安工程大学 2012



本文编号：3619991