基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法
技术领域
本发明涉及工程温度测量和大坝混凝土浇筑施工技术领域，具体涉及大体积混凝土浇筑施工过程中，基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法。
背景技术
由于光纤的分布式特性，如光纤的拉曼效应，通过探测每一段的拉曼效应可以有效的表征当前位置的温度特性。这就构成了一种分布式光纤测温的系统，通过不同原理可以探测各种信息，构建分布式应力、应变、振动、温度探测等；具有实时在线、测温精度高、本质安全和不受电磁干扰等优点。由于大坝混凝土温度过程直接影响混凝土成品质量、且浇筑仓尺寸大传统的点式温度计测量覆盖度难以反映其空间分布特征。将分布式光纤测温技术应用到大坝混凝土施工过程中，是近年研究的热点。
但是，分布式光纤测温系统测点多、理论上可以无限细分；频次高产生的数据量大，解算能力限制了分布式光纤的测温频率，一般可达到每小时一次。对于200m级的高坝，全坝光纤测温数据量将超过100G，数据量大、处理时间长，即使用目前主流性能的数据处理工作站，也难以满足日常工程管理数据提取和分析的需求。而另一方面，采集得到的海量数据中蕴含着混凝土水化发热和散热过程中，浇筑仓内温度分布的规律，采用简单的温度过程滑动平均算法，采用相同的均化区间和采样步长，会均化、抹除混凝土内温度变化特征。
发明内容
针对上述大坝混凝土浇筑光纤测温中存在的技术问题，本发明提供一种基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，该方法能够最大限度的保留每个光纤测点测得的温度变化过程特征，同时提高光纤测温数据的访问效率。
本发明采取的技术方案为：
基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，包括以下步骤：
步骤1：设定预视期长度，从大量光纤测温数据中，读取某个光纤测点的温度过程数据；
步骤2：将处理指针指向温度过程的起点，记录此时的温度和时间，作为一条重采样数据Si；
步骤3：求取预视期范围内，温度过程的最高温度和最低温度；
步骤4：如果最高温度比当前时间温度还低，则取最低温度为最近峰值；如果最低温度比当前时间温度还高，则取最高温度为最近峰值；否则，取最高温度和最低温度二者中离当前时间最近者，作为最近峰值；
步骤5：求取预视期范围内最近峰值对应的时间点，并求取从当前时间到最近峰值时段内的温度均值，作为邻域均值；
步骤6：将最近峰值对应的时间及邻域均值，作为下一条重采样数据Si+1；
步骤7：移动处理指针到最近峰值对应的时间，重复上述步骤2～步骤6，直到整个温度变化过程数据处理完毕。
本发明一种基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，利用预设的数据采样预视期，对逐个预视期内的光纤测温数据进行单调化处理；最大限度保留每个光纤测点测温数据的温度起伏变化过程特征，同时消减单调邻域内的数据点、减少温度数据量。
本发明一种基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，通过采取预视期内、单调邻域内简化而边缘均化的处理手段，解决了当前海量光纤测温数据访问效率低的问题；同时，保留大坝混凝土真实温度变化过程特征，确保工程施工人员快速掌握混凝土内部温度分布，具有重要的工程应用价值和施工指导意义。
附图说明
图1为本发明的光纤测温数据、预视期以及最近峰值概念的示意图；
图2为实施例中主要变量关系示意图。
具体实施方式
目前采用的大坝混凝土浇筑的光纤测温系统，一般一根光纤4～6km，包括数千个测点。测点的温度一般两个小时采集、解算一次。那么，对于每个光纤测点而言，每两个小时会产生一个温度数据。由于大坝施工过程长、测点多，会产生海量的数据，需要一种快速、保真的温度过程数据重采样算法。为了展开大坝混凝土浇筑光纤测温数据重采样算法的说明，首先定义一些技术术语。
预视期：对于时序数据，重采样的时间范围是其重采样方法的重要特征，预视期即为待重采样数据的时间范围，预视期越长，得到的曲线均化的越多，特征丢失越严重。显然选择合适的预视期，对于大坝混凝土施工温度过程数据的重采样是十分重要的。
最近峰值：在预视期内，温度过程数据必然有最大值和最小值，满足温度趋势特征规则识别规则的最值，在本发明中称为最近峰值。
单调邻域：在当前时间到最近峰值出现的邻域时段内，认为温度过程尽管有波动，但是总体趋势是单调的。因此，定义该时段称为当前时间后的单调邻域；此时段内的温度均值，称为邻域均值。
所述原温度过程为：光纤测温系统获得的测点、时间、温度的三元关系原始数据，测点对应空间位置，故光纤测温数据是空间位置、时间、温度的三元关系，原温度过程数据即为通过光纤测温系统获得的特定空间位置的温度随着时间变化的原始过程。
所述目标温度过程为：数据重采样后获得的测点、时间、温度的三元关系。目标温度最大限度地保留了每个光纤测点测得的温度变化过程特征，但由于数据量大大削减，提高了光纤测温数据的访问效率。
所述当前时间温度为：当前时刻点对应的温度值。
基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，包括以下步骤：
步骤1：设定预视期长度，从大量光纤测温数据中，读取某个光纤测点的温度过程数据；
步骤2：将处理指针指向温度过程的起点，记录此时的温度和时间，作为一条重采样数据Si；
步骤3：求取预视期范围内，温度过程的最高温度和最低温度；
步骤4：如果最高温度比当前时间温度还低，则取最低温度为最近峰值；如果最低温度比当前时间温度还高，则取最高温度为最近峰值；否则，取最高温度和最低温度二者中离当前时间最近者，作为最近峰值；
步骤5：求取预视期范围内最近峰值对应的时间点，并求取从当前时间到最近峰值时段内的温度均值，作为邻域均值；
步骤6：将最近峰值对应的时间及邻域均值，作为下一条重采样数据Si+1；
步骤7：移动处理指针到最近峰值对应的时间，重复上述步骤2～步骤6，直到整个温度变化过程数据处理完毕。
所述步骤1具体包括：从大量的光纤测温数据中，筛选得到某个光纤测点对应的温度过程数据，光纤测温数据包括测点、时间、温度的三元关系，测点对应空间位置，故光纤测温数据包括空间位置、时间、温度的三元关系，所述温度过程数据即为特定空间位置的温度随着时间变化的过程。
所述步骤2具体包括：处理指针是当前处理的时间点的标志，由于该步骤目标是为了温度过程数据的重采样，故目标温度过程与原温度过程的数据结构一样，也是测点、时间、温度的三元关系，记录此时的温度和时间，就是目标温度过程的第一个点。
所述步骤3具体包括：预视期范围是重采样的区间长度以及重采样处理精度的表征，预视期范围在算法初始化的时候设置；
峰值是温度变化过程的特征表征，因此在预视期范围内，寻找最近峰值，认为该时段表达了此段温度上升或下降的趋势和幅度。
所述步骤4具体包括：通过比较当前时间温度、最高温度和最低温度的数值及时间关系，采用对比分析的方法判断温度关系并按照要求选取最近峰值。
所述步骤5具体包括：为了取得从当前时间到最近峰值时段内的温度综合特征，计算该时段内的温度均值，作为最近峰值时的重采样温度。
所述步骤6具体包括：最近峰值时间点及此时的温度均值，作为该测点处的温度重采样结果保存。
所述步骤7具体包括：对每个时段应用步骤2～步骤6，并记录测点、时间、温度均值，即可得到温度过程重采样后的温度过程数据；由于测温过程存在一定的随机性，因此，原温度过程是等时段的，而重采样后的温度过程时段是不定的。
实施例：
S1：根据混凝土水化温度变化过程特征，选定预视期为1天。从光纤测温数据库中，利用光纤测点DTS19005-02，提取该测点的温度过程数据，如表1所示。
表1测点DTS19005-02的原始温度过程部分数据表
S2：将处理指针指向温度过程的起点，即：2017/9/9 0:35时温度为23.201。
S3：预视期为1天，求取从2017/9/9 0:35到2017/9/10 0:35时段内的最高温度和最低温度。根据表1数据可知，在1天的预视期范围内最低温度出现在2017/9/9 6:35，温度为22.031℃；最高温度出现在2017/9/9 18:35，温度为23.348℃。
S4：当前温度23.201>最低温度22.031；当前温度23.201<最高温度23.348。取最靠近当前时间的极值温度，即最低温度22.031，为最近峰值。
S5：最近峰值对应的时间为2017/9/9 6:35，邻域均值22.414。
S6：记录最近峰值时间和邻域均值，作为重采样记录。
S7：将处理指针指向最近峰值时间点：2017/9/9 6:35，重复上述S2～S5；直到整个温度过程数据处理完毕，可以得到如表2所示的重采样数据。
表2测点DTS19005-02的重采样温度过程部分数据表
