均值变点理论和其在管道监测数据处理中应用.pdf

第23卷 第6期 广东石油化工学院学报 VoJ．23 No．6 2013年 l2月 JoumalofGuangdongUniversityofPetrochemicalTechnology Dec．2013 均值变点理论及其在管道监测数据处理中的应用 黎昵，黄振东，李学强 (湛江南海西部石油勘察设计有限公司，广东湛江 524057) 摘要：论述了均值变点分析理论的原理、分析方法，并将其应用于输油管道IYIS监测数据分析与处理中，采用变点的离散模 型机最小二二乘估计对多变点数据进行变点估计，计算出了变点的跳跃度。通过试验分析表明，该方法能够准确的定位变点 的大小、位置和数量，能有效地应用于管道监测数据处理应用中。 关键词：均值变点，输油管道，DIS监测数据 ，变点探测，最小二乘估计 中图分类号 ：TE832，2 文献标识码 ：A 文章编号：2095—2562(2013)06一O069—04 变点 (change—point)是指模型或输出序列在某未知时刻起了突然变化，该时刻即称为系统的变点。变 点分析是一种基于统计理论，用于检测时间序列突变，同时可以进行假设检验的划分时间序列的方法。变 点主要有均值变点、概率变点及模型变点，从统计学角度研究均值变点探测方法，目的是判断和检测变点 的存在、位置、个数及跃度，以实现监测数据的粗差探测。 监测数据的可靠性体现在所采集的数据是否存在异常。近几年，随着监测新技术的不断引进和发展， 分布式光纤温度传感系统 (DistributedFiberOpticalTemperatureSensorSystem，DTS)已越来越多的应用于管 道的健康监测。为了使监测数据具有较高的可靠性，需对监测采集的海量数据进行异常探测。在DTS系 统监测过程中，监测数据的异常包括两个方面：第一种是指在监测过程中，由于监测系统工作不稳定或光 纤埋设后受各种人为因素影响等，使观测误差不符合某种统计分布的规律，这类异常数据称为粗差。第二 种异常是指由于被观测体本身的显著变化，使观测结果不符合被观测体正常的变化规律，使观测结果产生 异常，这类异常数据称为异常值。在输油管道监测数据处理中，粗差的产生直接影响数据结果的分析，因 此必须消除粗差。异常值不是测量原因产生的，它对管道安全监测工作极其重要，通过对异常值的准确判 断和分析，可获得管道的不安全信号并进一步引起监控人员的注意，采取预防措施。因此，这类异常值特 别重要应予保留。 粗差和异常值同为异常数据，从数据外观上来看，两者均表现为在数值上与正常监测数据相比有较大 的差异。粗差和异常值最本质的区别是-1j：粗差在数值上具有突发性，一般不连续出现，在相邻监测数据 中通常是以单个的形式出现，含有粗差的数据序列在数理统计上表现为污染正态分布；而异常值则具有多 个数值上接近的测值连续出现的特点，在均值位置摆幅增大，并且形成一定的趋势性。然而，粗差或异常 值在很多情况下并没有明显的区分界限，现有的许多方法也仅局限于研究探测观测数据出现异常的情况， 因此，当探测出异常数据时，应结合具体实际情况再区分是粗差还是异常值。 本文尝试应用均值变点分析理论，对输油管道DTS系统监测数据进行粗差探测。 l 均值变点理论 1．1 变点存在性检验 均值变点分析的离散数据模型 为：对于服从正态分布的时间序列 收稿13期：2013—07—17；修回日期：2013—09—02 作者简介：黎昵 (1982一)，女，壮族，广西人，工程师，硕士，主要从事海洋石油工程设计工作。 70 广东石油化工学院学报 2013年 xia+e (i=1，2，…，n) 如果存在 口1= … = 0m1—1=bl，0ml， = … = 口 一 1=b2，…，口，=…=nn=bk+1 (1) 式中：1mlm2…≤m ≤n；e为随机误差项，且方差为仃，期望值为0。 (1)原假设 H0：不存在变点，亦即有 b。=…：b 。 (2)如果 bj≠bj+。