導語：水利水電測量誤差控制監測系統探討一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：為解決水利工程測量過程中存在輸出結果與實際數據偏差較大的問題，開展了基于水利水電測量的誤差控制監測系統設計及應用研究。硬件設計中包括數據測量探測裝置、測量誤差診斷芯片選擇等模塊；軟件設計中包括水利水電測量的異常數據挖掘、異常數據誤差補償控制和水利水電測量數據實時監測等內容。至此，完成了誤差控制監測的系統設計。實驗證明：該系統與傳統系統相比，可有效提高誤差控制的精度，確保后續監測數據的利用價值。

關鍵詞：水利水電工程；測量誤差；控制；監測

1前言

在水利工程領域中，人們通過對水利水電的測量給工程施工質量、水電機組運行等環節提供重要的數據支撐條件，以此保證在進行水利工程各個環節操作時，得到更高質量的工程效果[1]。當前，由于我國水利工程起步較晚，與發達國家相比，無論是在測量技術還是測量設備上均較為落后。傳統水利工程測量技術和設備在實際應用中存在測量精度低、人為干預較多、自動化程度差等問題[2]。當前科學技術的進步使得各類測量技術能夠獲取到更加準確和直觀的結果，因此，通過將水利測量技術引入到對水利工程的測量誤差控制中，具有更高的應用價值。對此，本文開展基于水利水電測量的誤差控制監測系統設計及應用研究。

2誤差控制監測系統硬件設計

2.1數據測量探測裝置設計

為更加方便地對水利水電測量數據存在的誤差進行控制，本文首先在系統中引入針對數據測量結果進行探測的硬件設備。在數據測量探測裝置中，增加一組數據測量結果探針裝置，并將該探針結構按照相應的規律和屬性，安裝在系統輸出端位置上，以此逐步擴大對水利工程水電測量異常數據的范圍。本文選用ISD586-21400型號的128G探針，該型號探針采用半導體材料探測，可為本文系統提供低阻、高阻、雙電阻、普通單電阻等多種不同的探測方法。ISD586-21400型號探針的最小重心為8.2N/A，全行程約為（8.2±1.8）mm，工作行程約為（1.8±1.1）mm，彈簧力為240g±。在本文數據測量探測裝置中，由于探針結構不會在探測過程中觸碰到水電測量裝置，因此，對其測量結果不會造成二次誤差，以確保在對數據誤差進行控制的過程中，不會影響到水電測量裝置原本的測量精度。本文數據測量探測裝置探測流程如圖1所示。當通過數據測量探測裝置獲取水電測量裝置得出的數據結果時，將系統中的交換機和路由器進行連接，以此確保測量數據能夠更加順利地導出、探測和分析。

2.2測量誤差診斷芯片選擇

為確保本文提出的基于水利水電測量的誤差控制監測系統能夠在第一時間完成對測量誤差的采集和判斷，在本文系統當中引入SNDO-28220型號的異常診斷芯片。該型號芯片的電源系列采用4×4封裝結構，運行過程中額定功率為550W，符合本文系統穩定運行的雙重絕緣傳導和輻射要求，并且不需要額外增加外部的數據濾波設備。同時，SNDO-28220型號異常診斷芯片，能夠接受來自系統的75~188VAC輸入，并且能夠為系統后續操作提供6個基本輸出電壓，分別為18V、26V、32V、48V、54V、65V和78V。同時，采用SNDO-28220型號異常診斷芯片的原因是該芯片中自帶對數據傳輸環境中85%以上病毒類型的自動防御，以此確保本文系統在對誤差進行控制和監測的過程中，水利工程相關數據和信息的安全。

3誤差控制監測系統軟件設計

3.1基于水利水電測量的異常數據挖掘

在對水利水電測量異常數據挖掘時，主要針對其水位測量結果、流速測量結果和流量測量結果進行挖掘[3]。在對水利水電測量數據進行誤差控制前，需要對判斷數據誤差的標準進行定義，結合水利工程施工特點，得出如下定義表達式：（1）式中：W為通過本文定義并量化后的數據誤差標準；e為誤差數據不確定性統計平均值；q為水利水電測量過程中出現異常數據的具體概率；n為在某一水利水電測量裝置當中共包含的信息元和概率事件個數。對于水利水電測量數據包含的各類內容及特征屬性，其具體的取值范圍需要根據特定的測量施加間隔決定[4]。因此，本文結合水利水電測量技術中的量化方式，對異常數據可能存在的分布特征進行量化。對異常數據特征分布的松散度進行量化，以此獲取到測量設備在輸出異常數據時，做出的相應變化反應。再對異常數據的所有屬性特征進行定義，用M表示。再用Pij表示為第i個異常數據特征屬性的第j個取值大小。在對水利水電測量結果中的異常數據進行挖掘時，得出如下表達式：（2）式中：γ為某一屬性i的所有測量結果數據；zi為某一屬性i當中所有對應的異常數據數量。根據式（2）得出的數據結果可知，在系統下次進行監測的時間間隔內完成對異常數據的預測。同時，在水利水電測量分配數值遞減時，可通過引入加權平均算法的方式，對測量數據結果的誤差進行預測。以此，進一步提高對誤差控制前預測結果的精度。

3.2異常數據誤差補償控制

完成對異常數據的挖掘后，對其進行相應的誤差補償控制，再結合傳感器測量裝置獲取到相應的壓力參數后，傳感器的輸出不僅會與壓力之間產生關聯，同時還會受到水利工程周圍環境溫度的影響[5]。因此，為避免周圍環境溫度對誤差補償造成的影響，系統還需要結合溫度變化情況對異常數據進行非線性補償，并在控制的過程中根據壓力的改變對補償值進行自動調節。為實現上述補償控制目的，本文結合神經網絡技術，設定系統對測量裝置中傳感器的輸入以及周圍環境溫度作為神經網絡的輸入數據，利用神經網絡當中對任何非線性逼近的能力，實現對異常數據的誤差補償。在進行補償前，還需要在不同壓力和溫度條件下，利用多組傳感器輸出數據與對應的環境溫度數據連接，引入到神經網絡中，并以標準壓力計測得的數據作為標準輸出模式，對神經網絡進行訓練，從而確保神經網絡的輸入與輸出值能夠符合某種映射關系。當完成對神經網絡的訓練后，由于其具有一定的泛化能力，因此即使輸入的數據為未經過訓練的數據，也同樣能夠使系統輸出合理的結果。

3.3水利水電測量數據實時監測

為保證測量誤差補償控制的持續性，還需要在本文系統當中引入對水利水電測量數據的實時監測模塊。通過本文系統中引入端口掃描、測量設備掃描、測量數據材料等操作和行為，會造成誤差補償出現異?，F象。為有效避免該現象，在本文系統中對測量得到的數據對應的傳輸協議進行實時監測和計算，從而對出現異常數據進行屬性匹配，確保判斷異常數據類型的準確性。在水利工程管理中線，管理人員可以通過上位機終端和手機APP對水利水電測量數據進行實時監測，獲取各個測量點的水雨情，輔助完成對發電機組設備的管理，可以有效提高發電機的運行效率。

4對比實驗

為驗證本文提出的基于水利水電測量的誤差控制監測系統在實際應用中是否具有更良好的應用效果，選擇某水利工程作為實驗對象，分別利用本文設計的系統和傳統系統對該水利工程測量得到的數據進行誤差控制，并進行實時監測。該水利工程匯總包含了6個水泵裝置、2組電機設備以及其他相關水電設備。在該水利工程中，由于采用的設備均為已經出現老化問題，因此，得出的相關測量結果存在一定的誤差，需要通過本文系統或傳統系統對其進行誤差補償。設置一次實驗的時間間隔為30min，共完成對5組不同測量結果的誤差控制，將實驗結果進行記錄，實驗結果對比見表1.根據表1中的數據可知，在對水位測量、流速測量和流量測量這3種不同類型數據的誤差進行補償控制時，本文系統補償后的數據結果與實際數值更加接近，而傳統系統補償后的數據結果相差較大。因此，通過實驗進一步證明，本文提出的基于水利水電測量的誤差控制監測系統具有更高的誤差控制精度，值得廣泛應用和推廣。

5結語

在水利工程中，通過測量技術能夠獲取到眾多不同類型的數據信息，以此保證水利工程的順利實施。本文針對傳統誤差控制監測系統存在的問題，結合水利水電測量技術，提出一種全新的系統，并通過實驗證明了該系統的應用優勢。在后續的研究中，還將針對更多測量數據類型的誤差控制與監測進行深入研究，為水利工程的數字化、智能化提供新思路。

參考文獻：

［1］雷寧，楊康錫.水利水電測量中的誤差分析與控制思考［J］.科學技術創新，2021（21）：139-140.

［2］周易成.數字化測繪技術在水利工程測量中的應用［J］.黑龍江科學，2021，12（8）：110-111.

［3］毛寧寧，蘇懷智，高建新.基于FP-growth的大壩安全監測數據挖掘方法［J］.水利水電科技進展，2019，39（5）：78-82.

［4］王皓冉，汪雙，陳永燦，等.無人測量系統在消力池水下地形測量中的應用［J］.水力發電學報，2019，38（12）：11-18.

［5］楊林，唐成方.水利水電工程施工安全管理研究［J］.工程建設與設計，2021（1）：235-236.

作者：唐碧輝 吳帥 范鵬程 李珍木 單位：高克勘察測繪有限公司 連云港不動產交易登記中心