System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及大坝监测领域,特别是涉及一种乏数据背景下大坝监测历史数据填补方法。
技术介绍
1、水库大坝安全评价导则指出,监测资料应及时整编分析,保证监测数据完整性,以便通过监测资料及时了解大坝形状,并为大坝总体安全评价提供基本资料。传统的大坝缺失数据补全方法依靠于完整的前置数据和经验函数,对于数据缺乏的中小型土石坝则效果不佳。变形值作为反映水库大坝安全状态的综合变量,是评价结构性能的重要指标,也是目前大坝监测领域的重点研究部分。
2、通过对坝体变形值的监测分析可以更好的了解大坝的运行性态,但变形量作为预测的主要对象的前提是作为监测因变量,前置数据和公认的解释分量(如水压、温度、时效等)监测数据须完整有效,才能够得到较好的预测精度。
3、但是,目前仍有部分老旧工程未进行自动化监测,由于人工记录缺乏规范性且人为读数计数存在较大的主观性与不确定性,导致数据未被记录或错误记录。目前如何解决上述乏数据背景下,自变量数据缺失填补的方法仍没有较公认有效的方法,不能精准填补监测数据中的缺失部分,而无法为后续监测大坝形变提供有效数据。
技术实现思路
1、为了克服现有技术的不足,本专利技术的目的是提供一种乏数据背景下大坝监测历史数据填补方法。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种乏数据背景下大坝监测历史数据填补方法,包括:
4、利用大坝埋设监测设备和可用的数据源中获取监测数据;
5、对采集的监测数据进行预处理
6、识别预处理后的数据存在缺失的测点,作为目标缺失测点,并利用十字线法选定同源测点;
7、利用经验模态分解算法对所述目标缺失测点和所述同源测点的时间序列数据进行分解,分别得到缺失分量和分解分量;
8、分别以各所述缺失分量为距离起点,所述分解分量为距离终点计算相似距离,并以得到的相似距离进行排序、将目标测点分量和计算距离分量进行聚合整合,得到各聚类函数集;
9、将所述聚类函数集输入至预测模型中,得到各预测分量;
10、将所述预测分量叠加到所述目标缺失测点的本征模函数分量上。
11、优选地,所述监测数据包括:渗压计水位数据、gnss位移计各方向位移数据、深部位移数据。
12、优选地,所述预测模型是基于门控循环单元gru进行构建得到的。
13、优选地,在识别预处理后的数据存在缺失的测点,作为目标缺失测点,并利用十字线法选定同源测点之后,还包括:
14、绘制数据折线图以确定同源测点和目标缺失测点是否具有同趋势性,若趋势性的差值小于预设阈值,则确定为同组数据,若趋势性的差值大于预设阈值,则更换同源测点。
15、优选地,对采集的监测数据进行预处理的过程包括:数据清洗、数据平整、数据格式转换和数据集成。
16、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:
17、本专利技术提供了一种乏数据背景下大坝监测历史数据填补方法,包括:利用大坝埋设监测设备和可用的数据源中获取监测数据;对采集的监测数据进行预处理,并将预处理后的数据与时间序列关联,形成以相同时间单位的时间序列数据;识别预处理后的数据存在缺失的测点,作为目标缺失测点,并利用十字线法选定同源测点;利用经验模态分解算法对所述目标缺失测点和所述同源测点的时间序列数据进行分解,分别得到缺失分量和分解分量;分别以各所述缺失分量为距离起点,所述分解分量为距离终点计算相似距离,并以得到的相似距离进行排序、将目标测点分量和计算距离分量进行聚合整合,得到各聚类函数集;将所述聚类函数集输入至预测模型中,得到各预测分量;将所述预测分量叠加到所述目标缺失测点的本征模函数分量上。本专利技术具有更适用于中小型水库大坝缺失值填充、前置数据少、预测精度高,适用性更广等特点。
本文档来自技高网...【技术保护点】
1.一种乏数据背景下大坝监测历史数据填补方法,其特征在于,包括:
2.根据权利要求1所述的乏数据背景下大坝监测历史数据填补方法,其特征在于,所述监测数据包括:渗压计水位数据、GNSS位移计各方向位移数据、深部位移数据。
3.根据权利要求1所述的乏数据背景下大坝监测历史数据填补方法,其特征在于,所述预测模型是基于门控循环单元GRU进行构建得到的。
4.根据权利要求1所述的乏数据背景下大坝监测历史数据填补方法,其特征在于,在识别预处理后的数据存在缺失的测点,作为目标缺失测点,并利用十字线法选定同源测点之后,还包括:
5.根据权利要求1所述的乏数据背景下大坝监测历史数据填补方法,其特征在于,对采集的监测数据进行预处理的过程包括:数据清洗、数据平整、数据格式转换和数据集成。
【技术特征摘要】
1.一种乏数据背景下大坝监测历史数据填补方法,其特征在于,包括:
2.根据权利要求1所述的乏数据背景下大坝监测历史数据填补方法,其特征在于,所述监测数据包括:渗压计水位数据、gnss位移计各方向位移数据、深部位移数据。
3.根据权利要求1所述的乏数据背景下大坝监测历史数据填补方法,其特征在于,所述预测模型是基于门控循环单元gru进行构建...
【专利技术属性】
技术研发人员:赵瑞桥,石北啸,李登华,陈海宽,贾璐,陈聪,王坤,钟启明,孔洋,吉恩跃,刘竟,袁昊,刘世骏,
申请(专利权)人:水利部交通运输部国家能源局南京水利科学研究院,
类型:发明
国别省市:
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。