一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法技术

本发明专利技术提供了一种基于KNN‑SSA‑SVM的边坡监测数据异常检测和补全方法，适用于工程行业施工监测领域；包括数据采集、KNN疑似异常数据识别、SSA‑SVM回归预测拟合模型构建以及异常数据判定和补全；本发明专利技术提出的一种基于KNN‑SSA‑SVM的边坡监测数据异常检测和补全方法，具有更高效，时效性更强的特点，可广泛的应用于工程行业施工监测领域。

【技术实现步骤摘要】

本专利技术涉及一种基于knn-ssa-svm的边坡监测数据异常检测和补全方法，适用于工程行业施工监测领域。

技术介绍

1、在高边坡工程的施工过程中，出现边坡变形的可能性很高，这对工程的安全性和稳定性会产生负面影响。因此，对边坡变形进行监测和分析是非常重要的。然而，由于监测数据的采集过程受到人为失误、外界干扰、设备故障等因素的影响，数据中常常存在异常值和缺失值，如果不及时处理，会对监测结果以及后续的分析预测的准确性产生不利影响。因此，如何对监测数据进行异常检测和补全，是一个亟待解决的问题。

2、传统的异常检测和补全方法，一般是依靠统计学的方法、根据距离的方法、聚类方法以及神经网络方法等。一方面现有的异常数据探测方法往往只针对单一的训练样本调参数，并不具备实际生产环境应用的能力。另一方面在面对海量数据的场景并不具备优化计算过程的能力。因此，针对现有监测系统损坏导致数据跳点等异常问题不能及时修正、理论计算等方法时间过长、传统人工智能方法预测精度不高等众多不足，需要提出一种更高效，时效性更强，具有更广泛应用能力的边坡监测数据异常检测和补全方法。

本文档来自技高网...

【技术保护点】

1.一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法，其特征在于，所述基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法包含以下步骤：

2.一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法，其特征在于，所述1)中，所述原始数据样本采用表格形式存储，行对应监测时间，列对应监测指标。

3.一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法，其特征在于，所述2)中，所述最大最小值法计算公式为式(1)，

4.一种基于KNN-SSA-SVM的边坡监测数据异常检测和补全方法，其特征在于，所述2)中，通过交叉验证方法，...

【技术特征摘要】

1.一种基于knn-ssa-svm的边坡监测数据异常检测和补全方法，其特征在于，所述基于knn-ssa-svm的边坡监测数据异常检测和补全方法包含以下步骤：

2.一种基于knn-ssa-svm的边坡监测数据异常检测和补全方法，其特征在于，所述1)中，所述原始数据样本采用表格形式存储，行对应监测时间，列对应监测指标。<...

【专利技术属性】
技术研发人员：肖玮，李平杰，姚耿哲，陈明杰，金延儒，龙泳潮，罗淏元，张傲，
申请(专利权)人：中交四航工程研究院有限公司，
类型：发明
国别省市：