摘要：为解决水利工程测量过程中存在输出结果与实际数据偏差较大的问题，开展了基于水利水电测量的误差控制监测系统设计及应用研究。硬件设计中包括数据测量探测装置、测量误差诊断芯片选择等模块；软件设计中包括水利水电测量的异常数据挖掘、异常数据误差补偿控制和水利水电测量数据实时监测等内容。至此，完成了误差控制监测的系统设计。实验证明：该系统与传统系统相比，可有效提高误差控制的精度，确保后续监测数据的利用价值。
关键词：水利水电工程；测量误差；控制；监测
1前言
在水利工程领域中，人们通过对水利水电的测量给工程施工质量、水电机组运行等环节提供重要的数据支撑条件，以此保证在进行水利工程各个环节操作时，得到更高质量的工程效果[1]。当前，由于我国水利工程起步较晚，与发达国家相比，无论是在测量技术还是测量设备上均较为落后。传统水利工程测量技术和设备在实际应用中存在测量精度低、人为干预较多、自动化程度差等问题[2]。当前科学技术的进步使得各类测量技术能够获取到更加准确和直观的结果，因此，通过将水利测量技术引入到对水利工程的测量误差控制中，具有更高的应用价值。对此，本文开展基于水利水电测量的误差控制监测系统设计及应用研究。
2误差控制监测系统硬件设计
2.1数据测量探测装置设计
为更加方便地对水利水电测量数据存在的误差进行控制，本文首先在系统中引入针对数据测量结果进行探测的硬件设备。在数据测量探测装置中，增加一组数据测量结果探针装置，并将该探针结构按照相应的规律和属性，安装在系统输出端位置上，以此逐步扩大对水利工程水电测量异常数据的范围。本文选用ISD586-21400型号的128G探针，该型号探针采用半导体材料探测，可为本文系统提供低阻、高阻、双电阻、普通单电阻等多种不同的探测方法。ISD586-21400型号探针的最小重心为8.2N/A，全行程约为（8.2±1.8）mm，工作行程约为（1.8±1.1）mm，弹簧力为。在本文数据测量探测装置中，由于探针结构不会在探测过程中触碰到水电测量装置，因此，对其测量结果不会造成二次误差，以确保在对数据误差进行控制的过程中，不会影响到水电测量装置原本的测量精度。本文数据测量探测装置探测流程如图1所示。当通过数据测量探测装置获取水电测量装置得出的数据结果时，将系统中的交换机和路由器进行连接，以此确保测量数据能够更加顺利地导出、探测和分析。
2.2测量误差诊断芯片选择
为确保本文提出的基于水利水电测量的误差控制监测系统能够在第一时间完成对测量误差的采集和判断，在本文系统当中引入SNDO-28220型号的异常诊断芯片。该型号芯片的电源系列采用4×4封装结构，运行过程中额定功率为550W，符合本文系统稳定运行的双重绝缘传导和辐射要求，并且不需要额外增加外部的数据滤波设备。同时，SNDO-28220型号异常诊断芯片，能够接受来自系统的75~188VAC输入，并且能够为系统后续操作提供6个基本输出电压，分别为18V、26V、32V、48V、54V、65V和78V。同时，采用SNDO-28220型号异常诊断芯片的原因是该芯片中自带对数据传输环境中85%以上病毒类型的自动防御，以此确保本文系统在对误差进行控制和监测的过程中，水利工程相关数据和信息的安全。
3误差控制监测系统软件设计
3.1基于水利水电测量的异常数据挖掘
在对水利水电测量异常数据挖掘时，主要针对其水位测量结果、流速测量结果和流量测量结果进行挖掘[3]。在对水利水电测量数据进行误差控制前，需要对判断数据误差的标准进行定义，结合水利工程施工特点，得出如下定义表达式：（1）式中：W为通过本文定义并量化后的数据误差标准；e为误差数据不确定性统计平均值；q为水利水电测量过程中出现异常数据的具体概率；n为在某一水利水电测量装置当中共包含的信息元和概率事件个数。对于水利水电测量数据包含的各类内容及特征属性，其具体的取值范围需要根据特定的测量施加间隔决定[4]。因此，本文结合水利水电测量技术中的量化方式，对异常数据可能存在的分布特征进行量化。对异常数据特征分布的松散度进行量化，以此获取到测量设备在输出异常数据时，做出的相应变化反应。再对异常数据的所有属性特征进行定义，用M表示。再用Pij表示为第i个异常数据特征属性的第j个取值大小。在对水利水电测量结果中的异常数据进行挖掘时，得出如下表达式：（2）式中：γ为某一属性i的所有测量结果数据；zi为某一属性i当中所有对应的异常数据数量。根据式（2）得出的数据结果可知，在系统下次进行监测的时间间隔内完成对异常数据的预测。同时，在水利水电测量分配数值递减时，可通过引入加权平均算法的方式，对测量数据结果的误差进行预测。以此，进一步提高对误差控制前预测结果的精度。
3.2异常数据误差补偿控制
完成对异常数据的挖掘后，对其进行相应的误差补偿控制，再结合传感器测量装置获取到相应的压力参数后，传感器的输出不仅会与压力之间产生关联，同时还会受到水利工程周围环境温度的影响[5]。因此，为避免周围环境温度对误差补偿造成的影响，系统还需要结合温度变化情况对异常数据进行非线性补偿，并在控制的过程中根据压力的改变对补偿值进行自动调节。为实现上述补偿控制目的，本文结合神经网络技术，设定系统对测量装置中传感器的输入以及周围环境温度作为神经网络的输入数据，利用神经网络当中对任何非线性逼近的能力，实现对异常数据的误差补偿。在进行补偿前，还需要在不同压力和温度条件下，利用多组传感器输出数据与对应的环境温度数据连接，引入到神经网络中，并以标准压力计测得的数据作为标准输出模式，对神经网络进行训练，从而确保神经网络的输入与输出值能够符合某种映射关系。当完成对神经网络的训练后，由于其具有一定的泛化能力，因此即使输入的数据为未经过训练的数据，也同样能够使系统输出合理的结果。
3.3水利水电测量数据实时监测
为保证测量误差补偿控制的持续性，还需要在本文系统当中引入对水利水电测量数据的实时监测模块。通过本文系统中引入端口扫描、测量设备扫描、测量数据材料等操作和行为，会造成误差补偿出现异常现象。为有效避免该现象，在本文系统中对测量得到的数据对应的传输协议进行实时监测和计算，从而对出现异常数据进行属性匹配，确保判断异常数据类型的准确性。在水利工程管理中线，管理人员可以通过上位机终端和手机APP对水利水电测量数据进行实时监测，获取各个测量点的水雨情，辅助完成对发电机组设备的管理，可以有效提高发电机的运行效率。
4对比实验
为验证本文提出的基于水利水电测量的误差控制监测系统在实际应用中是否具有更良好的应用效果，选择某水利工程作为实验对象，分别利用本文设计的系统和传统系统对该水利工程测量得到的数据进行误差控制，并进行实时监测。该水利工程汇总包含了6个水泵装置、2组电机设备以及其他相关水电设备。在该水利工程中，由于采用的设备均为已经出现老化问题，因此，得出的相关测量结果存在一定的误差，需要通过本文系统或传统系统对其进行误差补偿。设置一次实验的时间间隔为30min，共完成对5组不同测量结果的误差控制，将实验结果进行记录，实验结果对比见表1.根据表1中的数据可知，在对水位测量、流速测量和流量测量这3种不同类型数据的误差进行补偿控制时，本文系统补偿后的数据结果与实际数值更加接近，而传统系统补偿后的数据结果相差较大。因此，通过实验进一步证明，本文提出的基于水利水电测量的误差控制监测系统具有更高的误差控制精度，值得广泛应用和推广。
5结语
在水利工程中，通过测量技术能够获取到众多不同类型的数据信息，以此保证水利工程的顺利实施。本文针对传统误差控制监测系统存在的问题，结合水利水电测量技术，提出一种全新的系统，并通过实验证明了该系统的应用优势。在后续的研究中，还将针对更多测量数据类型的误差控制与监测进行深入研究，为水利工程的数字化、智能化提供新思路。
参考文献：
［1］雷宁，杨康锡.水利水电测量中的误差分析与控制思考［J］.科学技术创新，2021（21）：139-140.
［2］周易成.数字化测绘技术在水利工程测量中的应用［J］.黑龙江科学，2021，12（8）：110-111.
［3］毛宁宁，苏怀智，高建新.基于FP-growth的大坝安全监测数据挖掘方法［J］.水利水电科技进展，2019，39（5）：78-82.
［4］王皓冉，汪双，陈永灿，等.无人测量系统在消力池水下地形测量中的应用［J］.水力发电学报，2019，38（12）：11-18.
［5］杨林，唐成方.水利水电工程施工安全管理研究［J］.工程建设与设计，2021（1）：235-236.
作者：唐碧辉 吴帅 范鹏程 李珍木 单位：高克勘察测绘有限公司 连云港不动产交易登记中心
