考虑时间序列关联的大坝监测异常数据清洗

发布时间：2021-05-19 16:01

　　针对传统大坝安全监测中异常数据清洗方法主要分析单一监测效应量,较难区分粗差和环境突变引起的异常值,提出一种利用关联规则约束和引导大坝安全监测异常数据清洗方法。首先,通过关联规则辨识强关联性序列,结合基于密度的聚类算法识别序列中异常数据;然后,根据关联序列异常数据清洗规则,辨识大坝安全监测中粗差数据,并利用基于粒子群优化最小二乘支持向量机模型重构异常数据。最后,对大坝典型位移量数据进行异常数据清洗。结果表明:该方法能够甄别监测效应量中环境突变引起的异常值,提高了大坝安全监测数据中数据清洗的准确性。 

【文章来源】：水力发电. 2020,46(04)北大核心

【文章页数】：5 页

【文章目录】：
0 引 言
1 基于关联规则的监测序列关联性分析
    1.1 关联规则原理
    1.2 监测序列符号化及关联分析流程
    1.3 监测序列关联性分析实例
2 大坝监测数据异常检测和数据清洗
    2.1 数据异常值检测
    2.2 大坝监测序列数据清洗流程及规则
    2.3 基于PSO-LSSVM的数据异常值清洗
3 案例分析
4 结 论


【参考文献】：
期刊论文
[1]均值漂移模式几种粗差探测法的MDB比较[J]. 鲁铁定,杨元喜,周世健.  武汉大学学报(信息科学版). 2019(02)
[2]基于稳健S估计的长江流域气象异常值检测[J]. 金百锁,李炽坤.  中国科学技术大学学报. 2018(11)
[3]大坝安全监测数据粗差识别方法的比较与改进[J]. 李啸啸,蒋敏,吴震宇,陈建康.  中国农村水利水电. 2011(03)
[4]基于主成分的大坝观测数据多效应量统计分析研究[J]. 虞鸿,吴中如,包腾飞,张岚.  中国科学:技术科学. 2010(07)
[5]基于粒子群算法求解多目标优化问题[J]. 张利彪,周春光,马铭,刘小华.  计算机研究与发展. 2004(07)
[6]支持向量机和最小二乘支持向量机的比较及应用研究[J]. 阎威武,邵惠鹤.  控制与决策. 2003(03)
[7]基于数据取样的DBSCAN算法[J]. 周水庚,范晔,周傲英.  小型微型计算机系统. 2000(12)

博士论文
[1]支持向量机算法参数选择及其在电站锅炉系统中的应用研究[D]. 黄景涛.浙江大学 2005
[2]关联规则挖掘方法的研究及应用[D]. 刘亚波.吉林大学 2005



本文编号：3196044