【技术实现步骤摘要】
本专利技术属监测数据预测的，具体地涉及一种隧道监测数据预测方法及系统。
技术介绍
1、隧道数据监测在地铁隧道建设过程中具有重要意义，而准确的数据是隧道风险评估的基础，对于现有的隧道监测过程而言，在隧道自动化监测过程中不可避免的会出现仪器损坏、通讯中断、施工扰动、监测地点出现事故等不确定性问题，导致监测数据出现数量大、种类多的污染问题，而数据污染主要表现为数据缺失、数据异常、数据跳动等情况，而污染后的数据对于监测数据的预测而言，会大幅度降低了预测数据的精度，进而影响隧道的安全预警过程。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种隧道监测数据预测方法及系统，用于解决现有技术中的技术问题。
2、一方面，本专利技术提供以下技术方案，一种隧道监测数据预测方法，包括：
3、获取隧道初始监测数据组，在所述隧道初始监测数据组中设定观测窗口，对处于所述观测窗口内的初始监测数据进行偏差值检测与补偿，以得到隧道去噪数据组；
4、对所述隧道去噪数据组依次进行单个抽值处理，以得到若干抽值数据组，将若干所述抽值数据组输入训练好的预设输出模型中进行插值输出，以得到插值数据组，基于所述插值数据组对所述隧道去噪数据组进行异常值识别并将对应的异常值进行剔除，以得到隧道除杂数据组；
5、按监测时间段对所述隧道除杂数据组进行缺失值检测，并通过训练好的所述预设输出模型对缺失值进行填充，以得到隧道填充数据组；
6、对所述隧道填充数据组进行关联特征识
7、将所述隧道关联数据组输入训练后的预设预测模型中进行预测，以输出隧道预测数据。
8、相比现有技术，本申请的有益效果为：本申请首先获取隧道初始监测数据组，在所述隧道初始监测数据组中设定观测窗口，对处于所述观测窗口内的初始监测数据进行偏差值检测与补偿，以得到隧道去噪数据组；之后对所述隧道去噪数据组依次进行单个抽值处理，以得到若干抽值数据组，将若干所述抽值数据组输入训练好的预设输出模型中进行插值输出，以得到插值数据组，基于所述插值数据组对所述隧道去噪数据组进行异常值识别并将对应的异常值进行剔除，以得到隧道除杂数据组；而后按监测时间段对所述隧道除杂数据组进行缺失值检测，并通过训练好的所述预设输出模型对缺失值进行填充，以得到隧道填充数据组；然后对所述隧道填充数据组进行关联特征识别，以得到隧道关联数据组；最后将所述隧道关联数据组输入训练后的预设预测模型中进行预测，以输出隧道预测数据，本申请通过对数据进行偏差值检测与补偿、异常值剔除与缺失值填充过程，以去除原始数据中存在数据偏差、数据异常以及数据缺失的情况，以提升后续数据预测时的精度，同时将处理后的数据输入预设预测模型中进行预测，可进一步提升预测数据的精度以及数据预测的速度。
9、较佳的，所述在所述隧道初始监测数据组中设定观测窗口，对处于所述观测窗口内的初始监测数据进行偏差值检测与补偿，以得到隧道去噪数据组的步骤包括：
10、在所述隧道初始监测数据组中确定预设数据长度的观测窗口，在所述观测窗口中选取基准监测数据，在所述隧道初始监测数据组中将基准监测数据之前的若干初始监测数据输入卡尔曼滤波器中，以输出滤波预测值，基于所述滤波预测值与所述基准监测数据确定偏差度量值：
11、；
12、其中，为滤波预测值与基准监测数据之间的关系矩阵；
13、判断所述偏差度量值是否小于监测阈值且所述观测窗口是否处于满载状态；
14、若且所述观测窗口处于满载状态，则将所述观测窗口内的所有数据作为拟合参数进行最小二乘拟合以输出拟合值并将第一个拟合值替换基准监测数据，之后将观测窗口往后滑动一个数据长度并重复迭代拟合替换过程，以得到隧道拟合数据组，若且所述窗口不处于满载状态，则将所述观测窗口内的所有数据作为拟合参数进行最小二乘拟合以输出拟合值并将第一个拟合值替换基准监测数据，之后重复迭代拟合替换过程直至所述观测窗口处于满载状态，若，则将所述观测窗口往后滑动一个数据长度并重复迭代拟合替换过程，以得到隧道拟合数据组；
15、将所述隧道拟合数据组输入所述卡尔曼滤波器中进行平滑去噪处理，以得到隧道去噪数据组。
16、较佳的，所述对所述隧道去噪数据组依次进行单个抽值处理，以得到若干抽值数据组，将若干所述抽值数据组输入训练好的预设输出模型中进行插值输出，以得到插值数据组的步骤包括：
17、对所述隧道去噪数据组从第一个隧道去噪数据开始至第个隧道去噪数据结束重复进行次单个抽值，以得到抽值数据集合，所述抽值数据集合中包括个数据长度为的抽值数据组：
18、；
19、；
20、；
21、
22、；
23、式中，表示隧道去噪数据组中的第个数据，表示第个抽值数据组；
24、获取历史监测数据组并对所述历史监测数据组进行单个抽值处理，以得到历史抽值数据组，将所述历史监测数据组与所述历史抽值数据组输入预设输出模型中进行训练；
25、将所述抽值数据集合输入训练好的预设输出模型中进行插值输出，以得到插值数据组。
26、较佳的，所述基于所述插值数据组对所述隧道去噪数据组进行异常值识别并将对应的异常值进行剔除，以得到隧道除杂数据组的步骤包括：
27、计算所述插值数据组中的每个插值与每个所述抽值数据组对应的抽值之间的差异值：
28、；
29、式中，为所述插值数据组中的第个数据，为第个抽值数据组对应的抽值；
30、基于所述差异值计算第一判断阈值与第二判断阈值：
31、；
32、；
33、若，则为正常值并将保留，若，则为异常值并将剔除，以得到隧道除杂数据组。
34、较佳的，所述按监测时间段对所述隧道除杂数据组进行缺失值检测，并通过训练好的所述预设输出模型对缺失值进行填充，以得到隧道填充数据组的步骤包括：
35、按监测时间段对所述隧道除杂数据组进行缺失值检测，以得到隧道缺失数据组，在历史数据库中选取组完整数据组，其中，隧道缺失数据组中包括个数据，完整数据组中包括个数据，且；
36、基于所述隧道缺失数据组与所述完整数据组计算填充系数：
37、
38、；
39、式中，为隧道缺失数据组与第个完整数据组之间的填充关联度，为隧道缺失数据组中第个数据，为第个完整数据组中的第个数据，为隧道缺失数据组的数据均值，为第个完整数据组的数据均值；
40、判断所述填充系数是否小于填充阈值；
41、若所述填充系数小于填充阈值，则将隧道缺失数据组输入至训练好的所述预设输出模型中，以得到第一输出填充值，将所述第一输出填充值填充在对应位置，以得到隧道填充数据组；
42、若所述填充系数不小于填充阈值，则根据缺失值确定若干缺失窗口，并基于所述缺失窗口进行缺失值填充，以得到本文档来自技高网...
【技术保护点】
1.一种隧道监测数据预测方法，其特征在于，包括：
2.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述在所述隧道初始监测数据组中设定观测窗口，对处于所述观测窗口内的初始监测数据进行偏差值检测与补偿，以得到隧道去噪数据组的步骤包括：
3.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述对所述隧道去噪数据组依次进行单个抽值处理，以得到若干抽值数据组，将若干所述抽值数据组输入训练好的预设输出模型中进行插值输出，以得到插值数据组的步骤包括：
4.根据权利要求3所述的隧道监测数据预测方法，其特征在于，所述基于所述插值数据组对所述隧道去噪数据组进行异常值识别并将对应的异常值进行剔除，以得到隧道除杂数据组的步骤包括：
5.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述按监测时间段对所述隧道除杂数据组进行缺失值检测，并通过训练好的所述预设输出模型对缺失值进行填充，以得到隧道填充数据组的步骤包括：
6.根据权利要求5所述的隧道监测数据预测方法，其特征在于，所述根据缺失值确定若干缺失窗口，并基于所述缺失窗口进
7.根据权利要求6所述的隧道监测数据预测方法，其特征在于，所述基于所述输出填充数据组确定差值最小值，并根据所述差值最小值计算待填充值，将所述待填充值填充在对应位置，以得到隧道填充数据组的步骤包括：
8.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述对所述隧道填充数据组进行关联特征识别，以得到隧道关联数据组的步骤包括：
9.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述将所述隧道关联数据组输入训练后的预设预测模型中进行预测，以输出隧道预测数据的步骤包括：
10.一种隧道监测数据预测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种隧道监测数据预测方法，其特征在于，包括：
2.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述在所述隧道初始监测数据组中设定观测窗口，对处于所述观测窗口内的初始监测数据进行偏差值检测与补偿，以得到隧道去噪数据组的步骤包括：
3.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述对所述隧道去噪数据组依次进行单个抽值处理，以得到若干抽值数据组，将若干所述抽值数据组输入训练好的预设输出模型中进行插值输出，以得到插值数据组的步骤包括：
4.根据权利要求3所述的隧道监测数据预测方法，其特征在于，所述基于所述插值数据组对所述隧道去噪数据组进行异常值识别并将对应的异常值进行剔除，以得到隧道除杂数据组的步骤包括：
5.根据权利要求1所述的隧道监测数据预测方法，其特征在于，所述按监测时间段对所述隧道除杂数据组进行缺失值检测，并通过训练好的所述预设输出...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。